Abstract:
Asuransi merupakan salah satu bentuk pengendalian risiko, di mana risiko tersebut dialihkan ke
perusahan asuransi. Dalam asuransi, terdapat istilah yang bernama frekuensi klaim. Frekuensi
klaim merupakan banyaknya klaim yang diajukan oleh nasabah kepada pihak asuransi dalam
kurun waktu tertentu. Informasi frekuensi klaim sangat penting bagi pihak asuransi karena
dapat digunakan untuk menentukan tarif premi. Maka dari itu, penting bagi pihak asuransi
untuk memodelkan data frekuensi klaim. Salah satu metode yang paling sering digunakan
untuk memodelkan data frekuensi klaim adalah Model Linear Tergeneralisasi (GLM). Dalam
GLM, terdapat berbagai pilihan distribusi, di mana distribusinya merupakan anggota keluarga
eksponensial. Pada skripsi ini, digunakan distribusi Poisson dalam memodelkan data frekuensi
klaim karena setelah dibandingkan dengan distribusi Binomial Negatif, distribusi Poisson lebih
cocok dengan data frekuensi klaim yang digunakan. Dalam model GLM, terdapat parameter
model yang harus diestimasi, di mana terdapat dua pendekatan dalam mengestimasi suatu
parameter, yaitu pendekatan frekuentis dan Bayesian. Pada skripsi ini, dibentuk model GLM
terbaik dan dilakukan prediksi frekuensi klaim menggunakan model dari masing-masing pendekatan.
Model 4 terpilih sebagai model GLM dengan pendekatan frekuentis terbaik, sedangkan
untuk pendekatan Bayesian, Model D terpilih sebagai model terbaik berdasarkan metode k-fold
Cross Validation. Kedua model ini memiliki tingkat keakuratan yang tergolong tinggi dalam
memprediksi frekuensi klaim, yaitu sebesar 92,47% untuk Model 4 dan 91,40% untuk Model D.
Terakhir, dengan menggunakan metode k-fold Cross Validation dan mempertimbangkan running
time, model GLM dengan pendekatan frekuentis dianggap lebih baik daripada model GLM
dengan pendekatan Bayesian dalam memodelkan data frekuensi klaim dari asuransi kendaraan
bermotor.
