Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem bonus malus adalah salah satu sistem yang ditawarkan oleh perusahaan asuransi kendaraan bermotor dalam penentuan premi berdasarkan sejarah klaim. Sistem bonus malus pada awalnya hanya didasari oleh frekuensi klaim. Namun ini akan tidak adil karena setiap pemegang polis mengalami kerugian yang berbeda-beda. Maka untuk mengatasi hal tersebut penentuan premi sistem bonus malus sebaiknya tidak hanya mempertimbangkan frekuensi klaim tetapi juga severitas klaim. Pada penelitian ini akan dibahas penentuan net premi sistem bonus malus berdasarkan frekuensi klaim dan severitas klaim. Frekuensi klaim menggunakan campuran distribusi Poisson Lindley sedangkan severitas klaim menggunakan campuran distribusi lognormal gamma. Pada penelitian ini juga diasumsikan bahwa frekuensi klaim dan severitas klaim independen. Parameter dari distribusi frekuensi klaim dan severitas klaim diestimasi dengan menggunakan metode maximum likelihood estimator (MLE). Selanjutnya metode Bayesian digunakan untuk penentuan net premi yang dibayarkan pemegang polis yaitu berdasarkan perkalian ekspektasi posterior severitas klaim dan frekuensi klaim. Hasil aplikasi pada data menunjukkan bahwa besar premi yang dibayarkan pemegang polis berbanding lurus dengan severitas klaim dan frekuensi klaim yang artinya semakin besar frekuensi klaim dan semakin besar klaim yang diajukan maka semakin besar pula premi yang dibayarkan.

---

The bonus malus system is one of the systems offered by motor vehicle insurance companies in determining premiums based on claim history. The malus bonus system was initially only based on the claim frequency. However, this would be unfair because each policyholder experiences different losses. So to overcome this, the determination of the bonus of the malus bonus system should not only consider the claim frequency but also the claim severity. In this study, we will discuss the determination of the net premium for the bonus malus system based on the claim frequency and the claim severity . The claim frequency use a mixed Poisson Lindley distribution and the claim severity use a mixture of lognormal gamma distribution. In this study, it is also assumed claim frequency and claim severity are independent. The parameters of claim frequency and claim severity are estimated using the maximum likelihood estimator (MLE). Furthermore, the amount of net premium to be paid by policyholders is determined based on he product of the posterior expectation of claim frequency and claim severity. The data application results show that the premium that must be paid by policyholders is directly proportional to the claim frequency and claim severity, which means that the greater the claim frequency and the greater the claim severity submitted, the greater the premium paid."

"ABSTRAKPerusahaan asuransi kendaraan di banyak negara menggunakan Sistem Bonus-Malus untuk menentukan net premi yang dikenakan kepada pemegang polis. Penentuan net premi pada Sistem Bonus-Malus hanya didasarkan pada frekuensi klaim dan mengabaikan severity klaim. Hal ini tidak adil bagi pemegang polis yang memiliki klaim kecil. Untuk mengatasi masalah tersebut, dikembangkan metode penentuan net premi pada Sistem Bonus-Malus yang mempertimbangkan frekuensi dan severity klaim. Frekuensi dan severity dapat diasumsikan independen atau dependen. Dalam menentukan net premi, dibutuhkan distribusi posterior dari parameter distribusi frekuensi dan severity. Pada kasus frekuensi dan severity independen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan secara terpisah sedangkan pada kasus frekuensi dan severity dependen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan dengan menggunakan distribusi bersama dari frekuensi dan severity. Skripsi ini membahas penentuan net premi yang didasarkan pada distribusi frekuensi dan distribusi severity baik untuk frekuensi dan severity independen maupun dependen.

---

ABSTRACTVehicle insurance companies in many countries use the Bonus Malus System to determine the policyholder 39 s net premium. The determination of net premiums on the Bonus Malus System is based solely on the frequency of claims and ignores the severity of claims. This is unfair to policyholders who have small claims. To overcome this problem, the net premium determination method in Bonus Malus System was developed taking into account the frequency and severity of claims. Frequency and severity can be assumed to be independent or dependent. In determining the net premium, a posterior distribution of parameters of the frequency and severity distribution is required. In the case of frequency and severity independent, the determination of the posterior distribution for frequency and severity is performed separately whereas in the case of frequency and severity dependent, the determination of posterior distribution for frequency and severity is done by using the joint distribution of frequency and severity. This thesis discuss the determination of net premium based on frequency distribution and severity distribution for both frequency and severity independent and dependent. "

"Asuransi kendaraan bermotor diperlukan untuk perlindungan dari risiko kerugian finansialakibat kerusakan, kecelakaan, ataupun pencurian kendaraan. Dalam industri asuransikendaraan bermotor, terdapat sistem penentuan besar net premi untuk pemegang polis yangdikenal dengan sistem bonus malus. Sistem ini merupakan sistem experience rating yangartinya dalam melakukan penentuan besar net premi, akan dilihat sejarah klaim yang dilakukanoleh pemegang polis. Bonus merupakan penurunan premi apabila seorang pemegang polistidak mengajukan klaim sama sekali dalam satu periode dan malus merupakan kenaikan premiapabila seorang pemegang polis mengajukan satu atau lebih klaim. Pada tugas akhir ini,dilakukan pemodelan frekuensi klaim asuransi kendaraan bermotor dengan model binomialnegatif, Good Risk/Bad Risk, dan Poisson-Inverse Gaussian. Parameter masing-masing modelditaksir menggunakan metode momen. Selanjutnya, dilakukan penentuan besar net premi yangharus dibayarkan pemegang polis berdasarkan model-model yang telah dibentuk. Seleksimodel dilakukan dengan menggunakan chi-square goodness of fit test. Penentuan besar netpremi dilakukan dengan metode expected value principle, dimana premi dihitung denganekspektasi posterior dari model. Hasil aplikasi pada data menunjukan bahwa model yangberbeda menghasilkan besar premi yang berbeda pula dan semakin besar frekuensi klaim yangdilakukan oleh seorang pemegang polis di masa lampau, maka semakin besar pula premi yangharus dibayarkan oleh pemegang polis.

---

Automobile insurance is needed to protect policyholder against the risk of financial loss due to

damage, accidents or vehicle theft. In automobile insurance industry, there is a system to

determine the amount of net premiums for policyholders known as the bonus malus system

(BMS). This system is an experience rating system, which means the amount of the net

premium depends on policyholder's claim history. Bonus is a decrease in premium if a

policyholder does not initiate any claim at all, in one period and malus is an increase in

premium if a policyholder initiates one or more claims. In this final project, the frequency of

automobile insurance claims was modelled with a negative binomial, Good Risk/Bad Risk, and

Poisson-Inverse Gaussian models. The parameters of each model are estimated using the

moment method. Model selection is carried out using the chi-square goodness of fit test.

Furthermore, the amount of net premium to be paid by policyholders is determined based on

the models that have been established. Determination of the amount of net premium is carried

out using the expected value principle method, where the premium is calculated based on the

posterior expectation. The data application results show that different models produce different

premiums and the greater the frequency of claims initiated by policyholders in the past, the

greater the premium that must be paid by policyholders."

"Tugas dari seorang aktuaris untuk asuransi kendaraan bermotor adalah menentukan tarif yang adil bagi para pemegang polis. Salah satu metode penentuan tarif atau premi dalam asuransi kendaraan bermotor adalah dengan sistem bonus-malus. Besar tarif atau premi disesuaikan setiap tahunnya dengan mempertimbangkan jumlah klaim yang telah diajukan dan level sistem bonus-malus dari pemegang polis pada tahun sebelumnya atau dikenal sebagai experience rating. Besar premi tersebut disesuaikan dengan menghitung relativitas premi, yakni koefisien penyesuaian premi dari premi dasar pemegang polis yang berpindah level pada sistem bonus-malus. Pada sistem bonus-malus tradisional, terdapat dua permasalahan yang kerap ditemui, yakni tidak diperhitungkannya besar klaim dan adanya peluang bagi pemegang polis untuk meninggalkan polis asuransi setelah mengajukan klaim. Hal ini menyebabkan adanya ketidakadilan antar pemegang polis yang melakukan klaim dengan besaran yang rendah dan tinggi karena diberikan penalti kenaikan premi (malus) yang sama. Oleh karena itu, tugas akhir ini mengeliminasi kedua kekurangan sistem bonus malus dengan mempertimbangkan jumlah klaim, besar klaim yang dikategorikan ke dalam berbagai tipe klaim, dan memberlakukan deductible yang bervariasi pada level-level zona malus pada sistem bonus-malus. Rantai Markov digunakan dalam aturan transisi mengenai mekanisme perpindahan level para pemegang polis yang memengaruhi perhitungan besar preminya. Kemudian penelitian ini menganalisis pengaruh dari penerapan deductible bervariasi yang bergantung pada tipe klaim terhadap besar premi untuk berbagai level dalam sistem bonus-malus yang telah dimodifikasi. Hasil analisis menunjukkan bahwa dengan menggunakan sistem bonus-malus yang telah dimodifikasi tersebut dapat menghasilkan besar premi antar level yang lebih seimbang, khususnya untuk level zona malus, namun tetap tidak merugikan para pemegang polis pada level zona bonus sehingga lebih menarik dibandingkan sistem bonus-malus tradisional.

---

Primary job of an actuary for automobile insurance is to determine a tariff structure that are fair among all policyholders. One of the methods that can be used to determine the tariff structure of an automobile insurance is with the bonus-malus system. The tariff or premium would be adjusted annually by taking the number of claims that were submitted by the policyholders in the previous year into the consideration, or known as experience rating. The amount of premium would be adjusted by calculating the premium relativity, which is the premium adjustment coefficient of the basic premium of the policyholders who change their level in the bonus-malus system. In the traditional bonus-malus system, there are two problems that are commonly occurred, which are not taking the amount of claim into the consideration in the system, and there is a possibility that policyholders may leave their insurance policy after claiming the benefit of the automobile insurance. These problems may lead into an unfair bonus-malus system between the policyholders as they would be given a same premium increment penalty (malus), no matter the amount of claims were reported. Thus, this last assignment would eliminate both problems of the bonus-malus system by considering the amount of claim into the system, and propose varying deductibles to be implemented for some levels of the malus zone in the system. Markov chain is used as the transition rule regarding the policyholders’ level movement mechanism, which affects the calculation of the amount of the premium. This study would also analyze the effect of implementing varying deductibles that are depended on the type of the claim towards the amount of premium for some levels in the modified bonus-malus system. The results of the analysis show that by using the modified bonus-malus system could produce a more balanced amount of premium among level that are in the malus zone and does not give an unfair treatment for policyholders that are in the bonus zone. Hence, this bonus-malus system is more attractive that the traditional bonus-malus system"

"Pada skripsi ini akan dibahas Sistem Bonus-Malus dalam asuransi kendaraan bermotor. Sistem Bonus-Malus didasarkan pada distribusi dari banyak kecelakaan kendaraan bermotor. Distribusi poisson digunakan untuk mendeskripsikan banyak kecelakaan. Parameter ? dari distribusi poisson dianggap suatu variabel random berdistribusi gamma. Pdf posterior ? diberikan sejarah kecelakaan selama t periode ialah gamma. Estimasi terbaik untuk ekspektasi banyak kecelakaan pada periode t+1 dari seorang pemegang polis diberikan sejarah banyak kecelakaan selama t periode dapat ditentukan dengan estimasi titik bayesian. Berdasarkan prinsip premi bersih, besar premi yang dikenakan sebanding dengan estimator tersebut. Dengan Sistem Bonus-Malus yang optimal dapat ditentukan premi pada saat t+1. "

"Asuransi mobil merupakan aspek penting dalam masyarakat modern untuk melindungi individu dari kerugian finansial akibat kejadian tak terduga pada kendaraan mereka. Model penetapan tarif asuransi mobil yang digunakan sebelumnya umumnya mengasumsikan bahwa frekuensi klaim dan tingkat keparahan klaim adalah independen. Namun, seiring perkembangan waktu, penelitian lebih lanjut telah menghasilkan model klaim asuransi yang lebih canggih dengan mempertimbangkan adanya ketergantungan antara frekuensi klaim dan tingkat keparahan klaim. Meski begitu, model-model tersebut memiliki beberapa keterbatasan yang menyebabkan mereka belum mampu menangkap sepenuhnya interaksi kompleks antara frekuensi dan tingkat keparahan klaim. Selain itu, pembahasan mengenai proses yang mendasari ketergantungan tersebut masih sangat terbatas. Oleh karena itu, penelitian ini bertujuan untuk menunjukkan hubungan ketergantungan antara frekuensi klaim dan tingkat keparahan klaim, serta mempelajari dan memahami konsep bonus hunger sebagai elemen perilaku pengemudi yang menjadi fenomena umum dalam kontrak asuransi dengan sistem bonus-malus. Dalam penelitian ini, konsep bonus hunger dimasukkan ke dalam model frekuensi-keparahan klaim yang digabungkan dengan sistem bonus-malus standar dan direpresentasikan sebagai tingkat retensi optimal, yang dihitung menggunakan algoritma Lemaire. Model frekuensi-keparahan klaim ini didasarkan pada kerangka Generalized Linear Model (GLM), di mana frekuensi klaim dimodelkan menggunakan model regresi binomial negatif, sementara tingkat keparahan klaim dimodelkan menggunakan model regresi Gamma. Sementara itu, sistem bonus-malus dimodelkan dengan pendekatan model relasi tipe Bayesian. Hasil aplikasi data menunjukkan adanya hubungan ketergantungan antara frekuensi klaim dan tingkat keparahan klaim, serta mengonfirmasi fenomena bonus hunger sebagai tingkat retensi optimal dalam sistem bonus-malus.

---

Automobile insurance is a necessary aspect of modern society for protecting individuals from the financial losses of their vehicles due to accidents, theft, natural disasters, or other unforeseen events. Within the automobile insurance industry, actuarial ratemaking models are essential in modeling both premiums and insurance claims for each policyholder. Earlier auto-ratemaking models have traditionally assumed independence between claim frequency and severity. Since then, subsequent studies have developed more sophisticated insurance claim models that accommodate dependence between claim frequency and severity. However, these models have several limitations that prevent them from accurately capturing the complex interactions between claim frequency and severity. Moreover, there has been little discussion as to the underlying process that causes this dependence. Therefore, this study aims to showcase the dependent relationship between claim frequency and severity, as well as study and understand bonus hunger as a behavioral element of the driver and a prevalent phenomenon in insurance contracts within the bonus-malus system. The bonus hunger is incorporated into a frequency-severity model coupled with the standard bonus-malus system and represented as an optimal retention level, calculated using the Lemaire algorithm. The frequency-severity model is based on a generalized linear model (GLM) framework in which the frequency is modeled using the negative binomial regression model. In contrast, the severity is modeled using the Gamma regression model. Meanwhile, the bonus-malus system is modeled using a Bayesian-type relativity model. The data application results show the dependent relationship between claim frequency and severity, as well as the bonus hunger phenomenon as an optimal retention level."

"Asuransi kendaraan bermotor diperlukan untuk mengantisipasi berbagai risiko kerugian yang mungkin timbul dari kepemilikan dan/ atau penggunaan kendaraan. Umumnya dalam perhitungan premi asuransi kendaraan, digunakan faktor – faktor yang teramati dari tertanggung, contohnya domisili, jenis kelamin, dan usia tertanggung. Akan tetapi, faktor – faktor tidak teramati, seperti kemampuan dan perilaku berkendara dari tertanggung berpengaruh penting dalam frekuensi klaim yang dihasilkan. Sehingga, digunakan riwayat klaim tertanggung yang diekspektasikan menampung pengaruh dari faktor tidak teramati. Sistem penentuan besar premi yang turut melibatkan faktor tertanggung yang tidak teramati disebut sebagai sistem Bonus Malus. Bonus merupakan penurunan premi apabila seorang tertanggung tidak mengajukan klaim sama sekali dalam satu periode dan Malus merupakan kenaikan premi apabila seorang tertanggung mengajukan satu atau lebih klaim. Pada tugas akhir ini, dilakukan perhitungan relativitas optimal atau koefisien penyesuaian premi pada sistem Bonus Malus -1/Top Scale dan -1/+2. Sistem -1/Top Scale memberlakukan penurunan sebanyak satu level jika tidak ada klaim yang dilaporkan dan perpindahan tertanggung ke level tertinggi jika ada klaim, sedangkan sistem -1/+2 menerapkan perpindahan sebanyak dua level ke atas jika terdapat klaim dan penurunan satu level ke bawah jika tidak ada klaim yang dilaporkan. Simulasi perhitungan diterapkan pada sebuah portofolio data asuransi kendaraan negara Perancis yang melibatkan 328760 polis. Diperoleh bahwa selisih relativitas optimal atau koefisien penyesuaian premi untuk setiap level pada sistem -1/+2 tidak sebesar sistem -1/+Top Scale.

---

Automobile insurance is required to protect policyholders from financial loss caused by car damage, accidents, or theft. In general, observable characteristics such as residence, gender, and the insured's age are considered in the process of determining motor insurance premiums. However, several unobservable characteristics, like as driver competence and behavior, have a significant impact on claim frequency. As a result, the insured's claim history is used and expected to account for the impact of unobservable circumstances. The Bonus Malus methodology is a method of assessing the amount of the premium that also includes the insured factors that are not able to be observed. Bonus is a decrease in premium if the insured generates no claims in a particular period of time, whereas a Malus is an increase in premium if the insured has one or more claims. The final project focuses on the determination of appropriate relativity or premium adjustment coefficients for the Bonus Malus -1/Top Scale dan -1/+2 systems. -1/Top Scale system applies a one-level drop if no claims are reported and a switch to the highest level if there is one or more claims reported, while the -1/+2 system applies a two-levels increase if there is a claim and a decrease a one-level decrease if no claims are reported. The simulation is applied to a French national auto insurance data portfolio involving 328760 policies. It is discovered that the difference in the optimal relativity or premium adjustment coefficient for each level in the -1/+2 system is not as large as the -1/Top Scale system."

"Perusahaan asuransi adalah perusahaan yang menyediakan jasa agar nasabahnya dapat mentransfer risiko sehingga terdapat banyak risiko yang harus ditanggung oleh perusahaan. Oleh karena itu, perusahaan asuransi perlu menghitung klaim agregat agar perusahaan dapat memperkirakan berapa banyak klaim yang harus ditanggung sekaligus menentukan premi yang sesuai untuk nasabah. Klaim agregat dapat dihitung dengan menggunakan dua komponen, yaitu frekuensi dan severitas klaim. Pada umumnya, frekuensi dan severitas klaim diasumsikan independen atau saling bebas. Hal tersebut bertujuan agar perhitungan total klaim dapat dilakukan dengan mudah. Namun, frekuensi dan severitas klaim umumnya saling bergantung di kehidupan nyata, sehingga apabila asumsi independen antara frekuensi dan severitas klaim terus digunakan, maka perhitungan klaim agregat menjadi kurang tepat. Oleh karena itu, penelitian ini akan menggunakan asumsi bahwa terdapat dependensi antara frekuensi dan rata-rata severitas klaim untuk memodelkan klaim agregat dengan menggunakan distribusi bivariat Sarmanov. Distribusi bivariat Sarmanov dapat digunakan untuk mengukur dependensi positif maupun negatif antara frekuensi dan rata-rata severitas klaim dengan menghitung nilai dependensi Sarmanov. Pada skripsi ini, akan dijabarkan kasus khusus distribusi bivariat Sarmanov, di mana frekuensi klaim diasumsikan mengikuti distribusi Poisson dan Zero-Inflated Poisson, sedangkan rata-rata severitasnya diasumsikan berdistribusi Gamma. Berdasarkan data ilustrasi yang digunakan, didapatkan bahwa distribusi Zero-Inflated Poisson lebih cocok untuk memodelkan frekuensi klaim. Oleh karena itu, distribusi bivariat Sarmanov-nya dibangun berdasarkan distribusi Zero-Inflated Poisson dan distribusi Gamma. Kemudian, parameter distribusi bivariat Sarmanov diestimasi menggunakan MLE. Model yang diperoleh selanjutnya digunakan untuk mengestimasi premi murni dengan cara menghitung ekspektasi klaim agregat dan didapatkan nilai premi murni sebesar $180,8335.

---

An insurance company is a company that provides services so that its customers can transfer risks so that there are many risks that must be borne by the company. Therefore, insurance companies need to calculate aggregate claims so that the company can estimate how many claims must be covered while determining the appropriate premium for customers. Aggregate claims can be calculated using two components, namely frequency and severity of claims. In general, the frequency and severity of claims are assumed to be independent of each other. It is intended that the calculation of total claims can be done easily. However, the frequency and severity of claims generally depend on each other in real life, so that if the independent assumption between the frequency and severity of claims continues to be used, then the calculation of aggregate claims becomes less precise. Therefore, this study will use the assumption that there is a dependency between the frequency and the average severity of claims to model aggregate claims using the bivariate Sarmanov distribution. The bivariate Sarmanov distribution can be used to measure the positive and negative dependencies between the frequency and the average severity of claims by calculating the Sarmanov dependency value. In this thesis, a special case of the bivariate Sarmanov distribution will be described, where the frequency of claims is assumed to follow the Poisson distribution and Zero-Inflated Poisson distribution, while the average severity is assumed to be Gamma distribution. Based on the illustrative data used, it is found that the Zero-Inflated Poisson distribution is more suitable for modeling claim frequency. Therefore, the bivariate Sarmanov distribution is built on the basis of the Zero-Inflated Poisson distribution and the Gamma distribution. Then, the parameters of the bivariate Sarmanov distribution were estimated using MLE. The model obtained is then used to estimate pure premiums by calculating aggregate claims expectations and obtains a pure premium value of $180,8335."

"ABSTRACTPerusahaan asuransi berperan penting memberikan proteksi terhadap segala kemungkinan kerugian bagi para nasabah pemilik kendaraan bermotor. Dalam asuransi kendaraan bermotor, terdapat sebuah sistem yang bernama no-claim bonus yang memberikan bonus pada kontrak berikutnya jika nasabah tidak melakukan claim selama kontrak berlangsung. Akibatnya, timbul masalah dimana nasabah akan dihadapkan pada pilihan untuk melaporkan atau tidak melaporkan lossnya, bergantung pada indemnitas yang didapat dan besar bonus yang ditetapkan. Untuk menghadapi masalah tersebut, diperlukan desain asuransi yang tepat agar nasabah dan perusahaan merasa tidak dirugikan. Tugas akhir ini membuat formula matematis yang dapat memaksimalkan ekspektasi kepuasaan nasabah terhadap konsumsi kekayaan pada kontrak asuransi tetapi tetap memberikan keuntungan pada perusahaan. Selanjutnya, menggunakan formula yang dibentuk, diuraikan beberapa kontrak asuransi yang dapat dibuat, bergantung pada besar premi dan bonus. Pada bagian akhir, dilakukan dua simulasi numerik, yaitu simulasi untuk menggambarkan perhitungan matematis yang dilakukan dan simulasi dalam menentukan produk nasabah.

---

ABSTRACTInsurance companies have an important role in providing protection against all possible losses for customers who own motorized vehicle is very necessary. In motor vehicle insurance, there is a system called no-claim bonus that give bonus for the next contract if no claim has been made by the insured during his whole lifetime of the contract. As a result, the insured faces two choices, reporting or not reporting his loss, depends on his compensation and bonus. Thus, the optimal insurance design is needed so that insured and insurer do not experience losses. This thesis make a mathematical formula that maximize insured satisfication for his wealth consumption in insurance contract but still give benefit for the insurer. Next, several insurance contracts will be formed depend on the amount of premium and bonus. Then, two numerical simulations will be done in the end of this thesis. First is simulation to describe mathematical calculations and second is simulations in determining insured products."

"Pada penelitian ini akan dijelaskan sebuah distribusi yang bernama distribusi Beta Pareto. Distribusi tersebut merupakan distribusi yang dibangun oleh distribusi Beta-Generated dengan mengkombinasikan distribusi Beta dan distribusi Pareto. Selain proses pembentukan distribusi Beta Pareto, karakteristik distribusi Beta Pareto yang meliputi fungsi kepadatan peluang, fungsi ditribusi, momen ke-r, momen sentral ke-r, mean, variansi, perilaku limit, serta karakteristik lainnya dari distribusi Beta Pareto juga akan dibahas pada penelitian ini. Distribusi Beta Pareto sendiri memiliki kelebihan pada fungsi kepadatan probabilitas nya yang berbentuk monoton turun dan unimodal. Selain itu, distribusi ini juga dapat memodelkan data yang heavy-tailed. Untuk penaksiran parameter dari distribusi Beta Pareto akan digunakan metode Maximum Likelihood Estimation dan hasil akhirnya akan diperoleh dengan metode numerik. Sebagai ilustrasi, akan digunakan data severitas klaim dari asuransi kendaraan bermotor yang akan dimodelkan dengan distribusi Beta Pareto. Akan ditunjukkan dengan perbandingan nilai AIC dan BIC bahwa distribusi Beta Pareto mampu memodelkan data severitas klaim dari asuransi kendaraan bermotor lebih baik dari distribusi Pareto.

---

In this study, a distribution called the Beta Pareto distribution will be introduced. This distribution is a distribution builtby the Beta-Generated distribution by combining the Beta distribution and the Pareto distribution. In addition, beside the process of forming the Beta Pareto distribution, the characteristics of the Beta Pareto distribution which include theprobability density function, distribution function, rth moment, rth central moment, mean, variance, behavior limit, and other characteristics of the Beta Pareto distribution will also be explained in this research. The Beta Pareto distribution itself has the advantage of its probability density function which not only have decreasing shape but also unimodal. In addition, this distribution can also model heavy-tailed data. The Maximum Likelihood Estimation method will be used to estimate the parameters of the Beta Pareto distribution and the final result will be obtained by a numerical method. As an illustration, the severity of motor vehicle insurance claims data will be used and will be modeled by the Beta Pareto distribution. It will be shown by a comparison of AIC and BIC values that the Beta Pareto distribution is able to model the the severity of motor vehicle insurance claims data better than the Pareto distribution."