Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Suatu produk asuransi kesehetan tidak pernah terlepas dari besarnya premi yang ditetapkan. Penentuan premi asuransi dibuat berdasarkan pengolahan data pengalaman masa lalu. Salah satu dari data tersebut adalah data pengalaman klaim yang berhasil didokumentasikan secara baik dan tepat. Penghitungan yang tepat dari total klaim yang tetjadi perlu dilakukan sebagai dasar dari penentuan tarif premi untuk periode pertanggungan yang akan datang. Penetapan tarif premi yang tidak optimal sering berdampak pada tingkat kompetisi produk tersebut di pasar, apalagi produk-produk asuransi kesehatan dewasa ini sangat beragam dengan perbedaan ciri produk yang sangat tipis antara satu jenis produk dengan yang lainnya. Salah satu cara untuk melakukan estimasi premi lanjutan adalah dengan metode loss ratio. Karena metode ini sangat tergantung pada besarnya loss ratio yang dihasilkan pada suatu periode pertanggungan untuk mengestimasi premi lanjutan masa pertanggungan selanjutnya maka dibutuhkan data pengalaman klaim yang terdokumentasi dengan baik, juga ketepatan waktu dalam proses pembayaran klaim. Keterlambatan pembayaran klaim yang mengakibatkan penumpukan klaim di periode selanjutnya akan mempengaruhi estimasi ultimate losses yang pada akhirnya akan mempengaruhi juga besarnya loss ratio. Penentuan estimasi premi lanjutan dengan menggunakan metode loss ratio ditemukan oleh Robert L.Brown dan penelitian untuk hal ini dilakukan pada PT Asuransi Jiwa ALL yang merupakan market leader di industri asuransi jiwa Indonesia. Dengan menggunakan metode loss ratio , hasil estimasi premi lanjutan lebih rendah dibandingkan dengan blended method sehingga hasil yang diperoleh dapat mendukung rencana pencapaian target penerima premi dan mempertinggi tingkat keuntungan yang diharapkan oleh perusahaan.

Abstrak :
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

Abstrak :
Model kredibilitas Buhlmann merupakan model yang menggunakan riwayat klaim dari data individu dan data kelompok untuk menentukan net premium. Dalam praktiknya, penggunaan model ini saja dalam perhitungan premi dapat mengakibatkan kerugian karena net premium tidak dapat menutupi biaya-biaya tambahan, seperti biaya komisi, biaya administrasi, dan lain-lain. Untuk mengatasi masalah tersebut, net premium perlu diaplikasikan pada suatu prinsip premi di mana premi yang dihasilkan akan menjadi risk premium yang dapat menutupi biaya-biaya tambahan. Metode Buhlmann menghasilkan net premium dalam bentuk momen pertama, sedangkan terdapat beberapa prinsip premi yang mengandung jenis momen lain, seperti momen kedua dan ekspektasi dari eksponensial variabel acak kerugian. Maka dari itu, metode Buhlmann akan diperluas dengan membangun net premium menggunakan Moment Generating Function (MGF). Penggunaan MGF disebabkan karena kaitannya yang erat dengan berbagai jenis momen. Pada studi ini, disimulasikan perhitungan risk premium menggunakan data real riwayat klaim, serta dilakukan analisis pengaruh periode observasi dan safety loading terhadap risk premium. Kenaikan periode observasi tidak hanya dapat menaikkan risk premium, tetapi juga menurunkan nilai risk premium. Namun, penurunan risk premium hanya terjadi pada pemegang polis yang tidak melakukan klaim selama periode observasi. Di sisi lain, kenaikan safety loading menyebabkan kenaikan risk premium. Hal ini sejalan dengan meningkatnya risk premium yang dibebankan ke pemegang polis seiring dengan meningkatnya biaya yang ditanggung perusahaan. ......The Buhlmann Credibility Model is a model that utilizes the claims history from individual and group data to determine the net premium. In practice, relying solely on this model for premium calculations may result in losses, as the net premium may not cover additional costs such as commission fees, administrative costs, and others. To address this issue, the net premium needs to be applicated with a premium principle where the generated premium will become a risk premium capable of covering additional costs. The Buhlmann method produces the net premium in the form of the first moment, while there are several premium principles that involve other types of moments, such as the second moment and the expectation of the exponential. Therefore, the Buhlmann method will be expanded by constructing the net premium using the Moment Generating Function (MGF). The use of MGF is justified due to its close association with various types of moments. In this study, the calculation of risk premiums will be simulated using real data on claims history, and an analysis will be conducted on the influence of the observation period and safety loading on the risk premium. An increase in the observation period can not only raise the risk premium but also decrease the risk premium. However, the decrease in the risk premium only occurs for policyholders who do not make claims during the observation period. On the other hand, an increase in safety loading will result in an increase in the risk premium. This is consistent with the rising risk premium imposed on policyholders as the company's incurred costs increase.