Hasil Pencarian  ::  Simpan CSV :: Kembali

"Permasalahan mengenai pencadangan klaim pada perusahaan asuransi merupakan salah satu isu yang harus dihadapi oleh para pelaku bisnis asuransi. Ketersediaan dana klaim oleh perusahaan merupakan hal yang mendasar pada perusahaan asuransi untuk dapat mempertahankan bisnis mereka dan menjaga kelangsungan dari usahanya. Pencadangan klaim ini juga diperlukan perhitungan secara detil mengenai pengalokasian dana yang dimiliki perusahaan berdasarkan penerimaan penjualan produk yang dikeluarkan, untuk menghasilkan profit di dalam bisnis mereka. Berangkat dari keterbatasan model-model terdahulu, tulisan ini ingin memperkenalkan model penghitungan alternatif, yakni model quantile regression. Menurut Chan 2015 model quantile regression ini dianggap memiliki kemampuan untuk melakukan penghitungan pencadangan klaim terhadap data yang memiliki variansi heterogen dan tidak memiliki distribusi yang jelas sebagaimana kebanyakan data asuransi. Penelitian ini akan melakukan penghitungan estimasi cadangan klaim dengan mengadopsi model Quantile Regression. Tujuan utama dari penelitian ini adalah ingin mencoba bagaimana proses penghitungan estimasi dengan model Quantile Regression serta melihat apakah model ini bisa diterapkan pada konteks perusahaan asuransi XYZ di Indonesia. Data yang digunakan dalam penelitian ini adalah data klaim produk asuransi kendaraan bermotor perusahaan XYZ tahun 2013 sampai dengan 2015.

---

The issue of claim reserves on insurance companies is one of the issues that insurance businesses have to cope with. The availability of claims within the company is fundamental to insurance companies to maintain their business and keep the business going. This claim reserves is also required in precise calculations regarding the allocation of funds owned by the company based on the sale of products issued, to generate profit in their business. Based on the limitations of the traditional models, this paper wants to introduce an alternative model of estimating claim reserve, it is called quantile regression model. According to Chan 2015 this quantile regression model is considered to have the ability to calculate the reserve of claims against data with heterogeneous variance and have no clear distribution, which is mostly insurance data known for. This research will try to calculate estimation for claim reserve by adopting Quantile Regression model. The main purpose of this research is to try how to calculate the estimation with Quantile Regression model and see if this model can be applied to the context of XYZ insurance company in Indonesia. The data used in this research are the claims data of XYZ company s for motor vehicle insurance products from 2013 to 2015."

"ABSTRAKPenelitian mengenai perhitungan jumlah klaim sudah banyak dilakukan orang dengan menggunakan beberapa model pendekatan, diantaranya adalah penelitian yang dilakukan oleh David dan Jemma 2015 serta Valeck 2016 . Salah satu model yang sering digunakan dan telah menjadi standart practice untuk perhitungan jumlah klaim adalah model GLM Poisson dan juga Negative Binomial. Penelitian ini mereplikasi penelitian Fadzli 2015 yang menggunakan model Bayesian Quantile regression untuk perhitungan count data asuransi kendaraan bermotor di Malaysia.Dengan menggunakan model Bayesian Quantile regression, penelitian ini memodelkan banyaknya jumlah klaim kendaraan bermotor berdasarkan umur, kapasitas, jenis dan wilayah klaim. Sampel data yang digunakan pada penelitian ini adalah data frekuensi klaim perusahaan asuransi kendaraan bermotor PT. ABC selama periode 2015 - 2016. Hasil penelitian menunjukan kuantil ke-75 merupakan model terbaik untuk Bayesian Quantile regression. Model ini juga lebih baik dibandingkan dengan Mean Regression, Poisson Regression dan juga Negative Binomial Regression. Umur kendaraan satu tahun, kendaraan dengan kapasitas lebih dari 2500cc , jenis kendaraan Sedan serta wilayah klaim Depok menjadi rating classes dengan risiko tertinggi untuk setiap rating factor.

---

ABSTRACTThe research on the calculation of the claim frequency has been done by many researchers using several models of approaches, including research conducted by David and Jemma 2015 and Valeck 2016 . One model that is often used and has become a standard practice for the calculation of claim frequency is a GLM model Poisson and Negative Binomial. This study replicates the Fadzli 2015 study using the Bayesian Quantile Regression model for count data of vehicle insurance in Malaysia.Using the Bayesian Quantile Regression model, this study modeled claim frequency of vehicle insurance claims based on age, capacity, type and claim area. Sample data used in this research is claim frequency data of vehicle insurance company PT. ABC during the period 2015 2016. The results show the 75th quantile is the best model for Bayesian Quantile Regression. This model is also better than the Mean Regression, Poisson Regression and also Negative Binomial Regression. One year vehicle lifespan, vehicles with capacity greater than 2500cc, Sedan and claims area Depok become rating classes with highest risk for each rating factor."

"Penelitian ini bertujuan untuk menghitung cadangan kerugian dengan menerapkan regresi Gaussian Process untuk memperkirakan klaim di masa mendatang. Pemodelan dilakukan pada data asuransi kendaraan bermotor. Hasil estimasi memperlihatkan bahwa metode Regresi Proses Gaussian sangat fleksibel dan dapat diterapkan tanpa banyak penyesuaian. Hasil ini juga dibandingkan dengan metode Chain Ladder.

---

This study aims to calculate the allowance for losses by applying Gaussian Process regression to estimate future claims. Modeling performed on motor vehicle insurance data. The estimation results show that the Gaussian Process Regression method is very flexible and can be applied without much adjustment. These results were also compared with the Chain Ladder method."

"Regresi kuantil merupakan salah satu teknik regresi dengan memodelkan kuantil dari variabel dependen bersyarat variabel penjelas. Model yang diperoleh dengan regresi kuantil merupakan suatu gambaran lengkap atas perilaku data baik di bagian tengah maupun ekor (tail) sebaran. Sehingga teknik ini baik digunakan untuk analisa data apabila dicurigai adanya perbedaan pengaruh variabel penjelas terhadap bagian-bagian tertentu variabel dependen. Hal ini dapat dilihat dari hasil taksiran parameter regresi kuantil yang berubah secara monoton. Selain itu regresi kuantil juga bagus digunakan pada data dengan nilai ekstrim yang penting untuk dianalisa. Untuk mendapatkan model regresi kuantil diperlukan proses penaksiran parameter yang dilakukan dengan meminimumkan ekspektasi suatu fungsi loss. Proses optimisasi ini selanjutnya diubah ke dalam program linier dan dapat diselesaikan dengan metode interior point. Metode interior point yang digunakan dalam skripsi ini mengacu pada algoritma Frisch-Newton. Selanjutnya pada skripsi ini, regresi kuantil akan diterapkan pada dua data yang masing-masing memiliki karakteristik yang berbeda.

---

Quantile regression is a regression technique by modeling the conditional quantile of the dependent variable. Models obtained with quantile regression is a complete picture of the behavior of the data either in the middle or tail. This technique is well used to analyze data when there is suspected differences in the effect of explanatory variables on the dependent variable. It can be seen from the results of quantile regression parameter estimates which changed monotonically. In addition quantile regression is also good to use on the data with extreme values that are important to be analyzed. To get the required quantile regression model, parameter estimation process is done by minimizing the expectation of a loss function. The optimization process is then converted into a linear program and can be solved by interior point methods. Interior point methods used in this skripsi refers to the Frisch-Newton algorithm. Later in this skripsi, quantile regression will be applied to the two data each has different characteristics."

"Permasalahan umum dalam industri asuransi adalah menetapkan besaran premi yang wajar terhadap risiko yang dihadapi oleh pemegang polis. Untuk menetapkan besaran premi yang wajar, maka perlu diprediksi besaran klaim masa depan dengan menggunakan data klaim agregat masa lampau. Data yang dikumpulkan perusahaan asuransi mengandung banyak variabel yang merupakan faktor-faktor untuk menghitung severitas klaim. Permasalahan tersebut merupakan permasalahan regresi. Salah satu metode yang digunakan untuk menganalisis model regresi adalah metode Gradient Tree Boosting. Dengan asumsi bahwa frekuensi klaim berdistribusi Poisson dan severitas klaim berdistribusi Gamma, maka klaim agregat dapat diasumsikan berdistribusi Tweedie. Maka dari itu, dapat digunakan metode Gradient Tree Boosting Tweedie Model untuk memodelkan besar klaim agregat. Salah satu metode deep learning untuk merekonstruksi variabel dari data perusahaan asuransi yang relevansinya terhadap besaran klaim belum diketahui adalah metode Deep Autoencoder. Deep Autoencoder merupakan algoritma unsupervised learning yang mereduksi dimensi data secara lapisan per lapisan, sehingga mendapatkan variabel data dalam pemodelan klaim agregat. Selain itu, Deep Autoencoder mempunyai kelebihan yaitu meringankan beban komputasi tanpa mengurangi performa dari model yang dihasilkan. Penelitian ini akan memodelkan besaran klaim agregat dan mengetahui efek penggunaan metode Deep Autoencoder untuk merekonstruksi data dan metode Gradient Tree Boosted Tweedie Model pada asuransi kendaraan bermotor.

---

It is a common problem in the insurance industry to set a reasonable premium for the risks faced by policyholders. It is important to predict the amount of future claims in order to determine a reasonable premium by using past aggregate claim data. The aggregate claim data collected by insurance companies contains many variables which are key factors to calculate claim severity, which is a regression problem. One of the methods used to analyze the regression model is the Gradient Tree Boosting. Assuming that the claim frequency has a Poisson distribution and the claim severity has a Gamma distribution, the aggregate claims can be assumed to have a Tweedie distribution. Therefore, the Gradient Tree Boosting Tweedie Model can be used to model the aggregate claims. One of the deep learning methods to reconstruct variables from insurance company data is Deep Autoencoder. Deep Autoencoder is an unsupervised learning algorithm that reduces the dimensions of the data layer by layer, thereby obtaining data variables in the aggregate claims modeling. In addition, Deep Autoencoder has the advantage of lightening the computational load without compromising the performance of the resulting model. This study will use the Gradient Tree Boosted Tweedie Model to model aggregate claims and determine the effect of using the Deep Autoencoder method to reconstruct data on motor vehicle insurance."

"Memperkirakan cadangan kewajiban terhutang adalah penting dalam menjaga keseimbangan solvabilitas keuangan pada perusahaan asuransi umum. Porsi terbesar dan terpenting dari cadangan kewajiban terhutang adalah cadangan klaim terhutang. Penelitian ini mencoba melakukan estimasi perhitungan cadangan klaim dengan menggunakan pendekatan model Munich Chain Ladder. Model Munich Chain Ladder dalam hal ini menggunakan pendekatan metode Chain Ladder klasik, serta korelasi antara nilai pembayaran klaim (paid) dengan nilai pelaporan klaim (incurred). Dengan menggunakan data masa lalu, sebuah estimasi cadangan klaim IBNR akan dihitung dengan menggunakan model Munich Chain Ladder.

---

Estimating outstanding liability is very important in maintaining financial solvency of a general insurance company. The largest and most important outstanding liability is outstanding claim reserves portion. This study is tried to estimate claim reserve by using Munich Chain Ladder. The Munich Chain Ladder is using a classical Chain Ladder method approach as the basic framework, and then utilizes the correlation between the paid and incurred claim data to calibrate the proposed model prediction. By using past data, a claim reserve will be calculated."

"Lembaga Keuangan Bukan Bank merupakan lembaga jasa yang membantu masyarakat dalam mempermudah investasi dan pembiayaan jangka panjang. Perusahaan asuransi termasuk salah satu contoh Lembaga Keuangan Bukan Bank. Salah satu produk asuransi adalah asuransi kendaraan. Dalam upaya untuk memasarkan produk asuransi kendaraan, perusahaan asuransi berkerjasama dengan perusahaan pembiayaan konsumen. Dalam kerjasama tersebut, ada diskon premi asuransi yang diberikan oleh perusahaan asuransi kendaraan bermotor kepada perusahaan pembiayaan. Perlakuan Pajak Pertambahan Nilai atas diskon premi asuransi ini menimbulkan berbagai pendapat sehingga terjadi sengketa pajak. Penelitian ini bertujuan untuk mengetahui praktik pemungutan Pajak Pertambahan Nilai atas penyerahan diskon premi asuransi di Indonesia dan untuk mengetahui ketentuan yang tepat mengenai pemungutan Pajak Pertambahan Nilai atas penyerahan diskon premi asuransi. Penelitian dilakukan dengan menggunakan pendekatan kualitatif. Pengumpulan data dilakukan dengan cara wawancara mendalam dan studi literatur. Teknik analisis data dilakukan dengan cara mengembangkan data yang didapatkan sebelum penelitian, kemudian dielaborasikan dengan fakta yang terjadi di lapangan dan teori yang relevan. Informan dari penelitian ini adalah dari pihak Badan Kebijakan Fiskal, Direktorat Jenderal Pajak, Perusahaan Pembiayaan, praktisi, dan akademisi. Hasil penelitian menunjukkan bahwa dari kerjasama perusahaan asuransi dengan perusahaan pembiayaan konsumen kendaraan bermotor di Regional X, perusahaan pembiayaan konsumen mendapatkan penghasilan berupa diskon premi asuransi yang diperoleh saat penutupan asuransi. Praktik pemberian diskon ini sama dengan imbalan yang dapat dipersamakan dengan imbalan yang didapatkan oleh pialang asuransi. Dengan mempertimbangkan asas equality dalam hal equal treatment for the equals, maka diskon premi asuransi dapat dilakukan pemungutan Pajak Pertambahan Nilai. Kemudian, perusahaan pembiayaan selama ini tidak ada melakukan pemungutan Pajak Pertambahan Nilai atas penyerahan diskon premi asuransi. Hal ini berlanjut dengan timbulnya sengketa pajak. Hal ini menggambarkan tidak berjalannya asa certainty. Oleh karena itu, dibutuhkan penentuan ketentuan yang tepat terkait pemungutan Pajak Pertambahan Nilai atas diskon premi asuransi yang dapat dilihat konsep Pajak Pertambahan Nilai, yakni konsep legal character Pajak Pertambahan Nilai dan konsep syarat kumulatif penggolongan Jasa Kena Pajak. Berdasarkan kedua konsep tersebut, penyerahan diskon premi asuransi memenuhi hal yang diatur dalam konsep tersebut. Dengan demikian, bahwa penyerahan diskon asuransi terutang Pajak Pertambahan Nilai. Pajak Pertambahan Nilai atas diskon premi asuransi terutang atas penyerahan Jasa Kena Pajak yang dilakukan oleh pengusaha dalam hal ini perusahaan pembiyaan di dalam daerah pabean. Pajak Pertambahan Nilai atas diskon premi asuransi terutang saat pembayaran. Dalam pemungutan Pajak Pertambahan Nilai atas diskon premi asuransi, perusahaan pembiayaan hendak memperhatikan faktur pajak dalam melakukan kredit pajak, pengukuhan Pengusaha Kena Pajak sesuai threshold dan waktu setor dan lapor Pajak Pertambahan Nilai.

---

Non Bank Financial Intitusions is a sevice institution that helps the community in facilitating investment and long-term financing. Insurance companies are one of example of Non Bank Finacial Institutions. One of the insurance products is vehicle insurance. Effort to promote the vehicle insurance products, insurance companies cooperate with consumer finance companies. In this collaboration, there is a discount on insurance premiums given by vehicle insurance companies to financing institutions. The treatment of Value Added Tax on the discount on insurance premiums raises various opinions, resulting in a tax dispute. This study aims to determine the practice of Value Added Tax collection on insurance premium discounts in Indonesia and to find out the exact provisions regarding Value Added Tax collection on insurance premium discounts. The research was conducted using a qualitative approach. Data was collected by in-depth interviews and literature studies. The data analysis technique was carried out by developing the data obtained before the research, then elaborated on the facts that occured and relevant theory. Informants from this study were from the Fiscal Policy Agency, the Directorate General of Taxes, Financing Companies, practitioners, and academics. The result showed that from the cooperation of insurance companies with consumer financing in Regional X, the finance companies get income in the form of insurance premium discounts obtained at insurance closing. The practice of discount insurance premium is same as rewards that can be equated with the rewards obtained with the rewards obtained by insurance brokers. By considering the principle of equality in terms of equal treatment fotr the equal, the discount on insurance premiums can be collected for Value Added Tax. So far, finance companies have not collected Value Added Tax on insurance premium discounts.This continues with the tax disputes. This illustrates the non-operation of the certainty principle. Therefore, appropriate provisions are needed regarding the collection of Value Added Tax on insurance premium discounts which can be seen from the Value Added Tax concepts, the legal character and cumulative requirements for the classification of taxable services. Based on these two concepts, the insurance premium discounts fullfills the things stipulated in the concepts. Thus, the submission of the insurance discount is payable for Value Added Tax. Value Added Tax on discount insurance premiums payable for taxable services performed by enterpreneurs in this case, finance companies in the customs area. Value Added Tax on discount insurance premium, payable at the time of payment. In collecting Value Added Tax on insurance premiun discounts, finance companies premi asuransi terutang atas penyerahan Jasa Kena Pajak yang dilakukan oleh pengusaha dalam hal ini perusahaan pembiyaan di dalam daerah pabean. Pajak Pertambahan Nilai atas diskon premi asuransi terutang saat pembayaran. Dalam pemungutan Pajak Pertambahan Nilai atas diskon premi asuransi, perusahaan pembiayaan hendak memperhatikan faktur pajak dalam melakukan kredit pajak, pengukuhan Pengusaha Kena Pajak sesuai threshold dan waktu setor dan lapor Pajak Pertambahan Nilai."

"Permasalahan utama yang sering dihadapi oleh perusahaan asuransi adalah mengestimasi cadangan klaim. Perhitungan estimasi cadangan klaim yang dilakukan secara kurang tepat akan memengaruhi kelangsungan usaha dari perusahaan asuransi. Metode estimasi cadangan klaim yang paling sering digunakan di dunia asuransi adalah metode Chain-Ladder dan variasinya. Selain metode tersebut, Peters, Targino dan Wuthrich (2017) mengembangkan metode yaitu gamma-gamma Bayesian Chain-Ladder. Metode ini merupakan metode Bayesian Chain-Ladder yang menggunakan distribusi gamma yang memiliki rentang prediksi cadangan klaim yang relatif kecil.

Pada penelitian ini penghitungan terhadap rentang prediksi cadangan klaim dilakukan menggunakan model gamma-gamma Bayesian Chain-Ladder. Tujuan utama pada penelitian ini yaitu menerapkan proses penghitungan rentang prediksi dengan model gamma-gamma Bayesian Chain-Ladder pada konteks perusahaan asuransi XYZ di Indonesia, serta membandingkannya dengan metode Chain-Ladder. Data yang digunakan dalam penelitian ini adalah data klaim produk asuransi kendaraan bermotor perusahaan asuransi XYZ tahun 2014 sampai dengan 2016. Hasil rentang prediksi berdasarkan nilai MSEP model gamma-gamma Bayesian chain-ladder tahun 2014 sampai dengan 2016 relatif lebih kecil dibandingkan dengan MSEP chain-ladder model Mack.

---

The Main problem often faced by insurance companies is estimating claim reserve. The calculation of claim reserve that is undertaken inaccurately will affect the business operations of the insurance company. The claim reserve estimation method that is commonly undertaken called Chain-Ladder method and its variations. Besides, Peters, Targino and Wuthrich (2017) develop a method namely gamma-gamma Bayesian Chain-Ladder. This is a Bayesian Chain-Ladder method that uses a gamma distribution and has the prediction range of claim reserve that relatively small.

This research performs the calculation of the prediction range claim reserve that uses the gamma-gamma Bayesian Chain-Ladder model. The main purpose of this research is implementing the process of calculation prediction range with the gamma-gamma Bayesian Chain-Ladder model in the context of XYZ insurance companies in Indonesia, and compare it with the Chain-Ladder classic method. The data used in this study is the claim data for motor vehicle insurance products for XYZ insurance companies from 2014 to 2016. The results of the prediction range based on the MSEP value of the gamma-gamma Bayesian Chain-Ladder model from 2014 to 2016 relatively smaller compared to the Macks MSEP chain-ladder model."

"Setiap hari masyarakat dihadapkan pada risiko kehilangan, kegagalan, bahkan kematian akibat kecelakaan lalu lintas. Cara mengatasi ketidakpastian dan mengendalikan risiko kecelakaan lalu lintas jalan adalah dengan mengalihkan risiko tersebut kepada pihak atau perusahaan lain yang disebut asuransi. Memperkirakan kerugian agregat penting bagi perusahaan asuransi untuk memprediksi kewajiban dan mengukur tingkat kecukupan dana perusahaan. Kerugian agregat pada asuransi kecelakaan lalu lintas dapat dihitung berdasarkan dua variabel, severity klaim dan frekuensi klaim. Severity klaim dan frekuensi klaim memiliki jenis distribusi yang berbeda dan terkadang memiliki hubungan yang saling mempengaruhi, sehingga tidak mudah untuk memodelkannya. Salah satu metode analisis statistik yang digunakan untuk menggabungkan dua distribusi data berbeda yang saling berkaitan adalah metode copula. Melalui studi kasus pada perusahaan asuransi PT XYZ, kerugian agregat akan dihitung dengan menggunakan model berbasis copula. Penentuan model terbaik dan akurasi model ditentukan berdasarkan Akaike Information Criterion (AIC), Root Mean Square Error (RMSE) terkecil, dan uji Vuong. Berdasarkan hasil analisis yang diperoleh bahwa model copula Clayton merupakan model terbaik untuk memperkirakan kerugian agregat pada perusahaan asuransi PT XYZ dimasa yang akan datang.

---

Every day people are faced with the risk of loss, failure, and even death due to traffic accidents. The way to overcome uncertainty and control the risk of road traffic accident is by transferring the risk to another party or company called insurance. Estimating aggregate losses is important for insurance companies to predict liabilities and measure the level of adequacy of company funds. Aggregate losses on traffic accident insurance can be calculated based on two variables, claim severity and claim frequency. Claim severity and claim frequency have different types of distribution and sometimes have relationships that affect each other, so it's not easy to model it. One of the statistical analysis methods used to combine two different data distributions that are related is the copula method. Through a case study on the insurance company PT XYZ, aggregate losses will be calculated using a copula based model. The best model is determined based on the smallest value of Akaike Information Criterion (AIC) and Root Mean Square Error (RMSE) and also by Vuong test. Based on the analysis, explain that Clayton copula is the best model to estimate aggregate losses at the insurance company PT XYZ in the future."

"Tesis ini membahas tentang Peraturan Pemerintah (PP) Nomor 39 Tahun 2008 tentang Perubahan Kedua atas PP Nomor 73/ 1992 tentang Penyelenggaraan Usaha Perasuransian yang mengatur mengenai permodalan perusahaan asuransi. Tujuan pemerintah mengeluarkan PP ini adalah untuk memperkuat sektor asuransi. Pennodalan dinilai pemerintah adalah faktor yang mendorong pertumbuhan industri asurnnsi Indonesia dalam menghadapi kondisi persaingan dalam globalisasi. Ada banyak faktor yang mernpengaruhi pertumbnban industri asuransi Indonesia. Selain pertumbuhan ekonomi, industri asuransi Indonesia juga dipengaruhi oleh Premi Bruto, jumlah Perusahaan Asuransi, Laba/Rugi Perusahaan Asuransi dan Permodalan Perusahaan, Perusahaan asuransi nasional masih kurang bersaing dengan perusahaan asuransi asing yang masuk ke pasar asuransi di Indonesia. Selain kalah bersaing dalam hal permodalan, masalah­ masalah yang muncul dalam pasar asuransi di Indonesia semakin menghambat pertumbuhan industri asuransi seperti perang tarif yang terjadi, jumlah perusahaan asuransi yang terlalu banyak dan kurangnya dukungan kebijakan pemerintah terhadap perusahaan asuransi nasional yang bermodal kecil. Hasilnya, dalam waktu singkat, industri asuransi asing mampu menguasai pasar asuransi di Indonesia dengan mencatat pertumbuhan penetrasi asuransi yang sudah melampaui industri asuransi nasional. Meskipun kebijakan permodalan sudah terpenuhi, namun modal bukan satu-satuuya faktor yang mempengaruhi pertumbuhan industri asuransi dan menjamin kuatnya perusahaan asuransi mengbadapi persaingan dengan asuransi asing di Indonesia.

---

This research outlines the government policy (Peraturan Pemerintah Nomor 39 Tahun 2008 tentang Perubahan Kedua atas PP Nomor 73/ 1992 tentang Penyelenggaraan Usaha Perasuransian) that regulates the minimum equity that insurance company must fulfill. The purpose of this regulation is to strengthen the insurance industries sector. Government point out that equity was a factor that pushes insurance industries growth to face the global competition circumstances, Many factors influenced the Indonesian insurance industries growth. As well as economic growth, Indonesian insurance industries growth was influence by insurance gross premium, number of insurance company, company's lost/profit and company?s equity. There is small effort of insurance private national company to compete the foreign insurance company under the joint venture company that penetrates insurance market in Indonesia. Besides the lack of contend in equity problems that arise in Indonesian insurance market has give credit to avert the growth of insurance industries, in example, tariff competitionbig amount of insurance company and lack of government support for insurance company that have small amount of equity. The result, joint venture company has been able to control the Indonesian insurance market with a good record of insurance penetration that overcome the level of private national company has achieve. Even though the level of minimum equity was fulfills, equity was not the only factor that influenced the insurance growth and guaranteed that private national insurance company was strong enough to face the joint venture company in Indonesian insurance market industries."