Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRACT
Setiap perusahaan asuransi tentu harus dapat memenuhi kewajibannya sebagai penanggung apabila terdapat klaim yang diajukan oleh pemegang polis atau tertanggung di masa yang akan datang. Oleh karena, itu penentuan premi menjadi hal yang sangat penting bagi perusahaan asuransi. Premi yang ditentukan oleh perusahaan asuransi mengandung net-premi yang merupakan estimasi besar klaim yang akan dilakukan pada periode pertanggungan. Supaya net-premi dapat ditentukan dengan baik perusahaan asuransi dapat menggunakan observasi-observasi klaim yang telah dilakukan oleh pemegang polis atau suatu kelas risiko dengan mempertimbangkan observasi-observasi klaim dari pemegang polis atau kelas risiko lain yang masih memiliki kesamaan risiko. Salah satu model yang dapat digunakan dalam perhitungan net-premi adalah model kredibilitas BA¼hlmann-Straub. Semakin banyak informasi mengenai klaim yang dilakukan oleh pemegang polis maka estimasi net-premi yang dihasilkan juga semakin baik, karena objek observasi yang lebih besar akan memberikan keakuratan yang lebih tinggi. Oleh karena itu jika dimungkinkan perusahaan asuransi dapat saling bertukar informasi baik secara langsung ataupun melalui asosiasi perusahaan asuransi. Akan tetapi model kredibilitas BA¼hlmann-Straub hanya mempertimbangkan informasi yang dimiliki oleh perusahaan asuransi itu sendiri, sehingga pada penelitian ini dikembangkan model kredibilitas BA¼hlmann-Straub multidimensi sebagai generalisasi dari model kredibilitas BA¼hlmann-Straub, supaya perhitungan net-premi dapat dilakukan dengan menggunakan observasi dari sejumlah perusahaan asuransi.

---

ABSTRACT
Every insurance company must certainly be able to fulfill its obligations as a guarantor if there are claims submitted by policyholders or insured in the future. Therefore, premium determination is very important for insurance companies. The premium determined by the insurance company contains a net-premium which is an estimate of claims that will be made during the insurance period. So that the net-premium can be determined properly, the insurance company can use the observations of claims that have been made by policyholders or a risk class by considering claims observations from other policyholders or other risk classes that still have similar risks. One of model that can be used in net-premium calculations is the BA¼hlmann-Straub credibility model. The more information about claims made by policyholders, the net-premium estimation produced is also getting better, because larger observation objects will provide higher accuracy. Therefore, if possible, insurance companies can exchange information either directly or through the association of insurance company. However, the BA¼hlmann-Straub credibility model only considers the information held by the insurance company itself, so in this thesis multidimensional BA¼hlmann-Straub credibility model is developed as a generalization of the BA¼hlmann-Straub credibility model, so that net-premium calculations can be done using observations from p source of information or insurance company.

Abstrak :
Metode Bornhuetter-Ferguson merupakan salah satu metode yang paling sering digunakan dalam menentukan estimasi cadangan klaim. Metode ini tidak hanya memanfaatkan data historis perusahaan, melainkan juga data eksternal, seperti besar premi, yang disebut sebagai prior information. Dalam tugas akhir ini, prior information yang dimaksud adalah rata-rata klaim. Pada metode Bornhuetter-Ferguson klasik, estimasi prior dari rata-rata klaim diperoleh berdasarkan pengamatan aktuaris terhadap data historis perusahaan. Akan tetapi, apabila terjadi kekeliruan dalam pemilihan estimasi prior, maka akan dihasilkan error yang besar antara prediksi cadangan klaim dengan besar klaim sebenarnya. Maka dari itu, perlu dibangun model Bayesian dalam menentukan estimasi prior untuk rata-rata klaim. Namun pada praktiknya, cukup sulit untuk menentukan distribusi prior dari rata-rata klaim yang tepat. Berdasarkan hal tersebut, akan digunakan model kredibilitas Buhlmann-Straub untuk mengestimasi rata-rata klaim. Selain itu, dilakukan pula estimasi untuk parameter-parameter yang akan digunakan dalam membangun model kredibilitas Buhlmann-Straub. Setelah estimasi rata-rata klaim didapatkan, maka estimasi dari cadangan klaim pada metode Bornhuetter-Feguson dapat diperoleh. Hasil estimasi tersebut akan dibandingkan dengan hasil estimasi metode Chain Ladder klasik dan metode Bornhuetter-Ferguson klasik. Hasil pada simulasi numerik menunjukkan bahwa, metode Bornhuetter-Ferguson dengan rata-rata klaim yang kredibel memberikan persentase error yang lebih kecil dibandingkan dengan kedua metode lainnya. ...... Bornhuetter-Ferguson is one of the most widely used method in predicting claim reserve. This method considers not only historical data but also external data, for example, premium data, which is called as prior information. In this thesis, the claim means are used as the prior information. In traditional Bornhuetter-Ferguson method, prior estimate of claim means are obtained by actuary based on his personal experience or observation of the historical data. However, if these prior estimates are wrongly chosen, then greater error is brought to the claim reserve prediction. Therefore, it is necessary to construct Bayesian model in determining the prior estimate of claim means. Nevertheless in practice, it is still very difficult how to choose the appropriate prior distribution for claim means. Therefore, the Buhlmann-Straub credibility model will be introduced and a research is conducted to estimate the claim means along with estimation of parameters in the model. The estimate of claim means are then used to calculate the claim reserve in Bornhuetter-Ferguson method. The result of the estimation will be compared to the estimate from the traditional Chain Ladder method and traditional Bornhuetter-Ferguson method. In numerical simulation, it is found that Bornhuetter-Ferguson method with credible claim means obtained less error percentage than that of the other two methods.