Prediksi frekuensi klaim asuransi kendaraan bermotor menggunakan Model Linear Tergeneralisasi dengan Pendekatan Frekuentis dan Bayesian

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.