Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"ABSTRACTModel kredibilitas Buhlmann umumnya digunakan untuk memprediksi besar tarif premi untuk setiap pemegang polis pada periode ke-(n+1) berdasarkan riwayat klaim sebanyak periode atau model one period. Pada skripsi ini dilakukan generalisasi terhadap model kredibilitas Buhlmann one period yang disebut sebagai model kredibilitas Buhlmann multiple period. Model multiple period memungkinkan insurer memprediksi besarnya tarif net premium tidak hanya satu periode ke depan tetapi juga beberapa periode ke depan berdasarkan riwayat klaim sebanyak periode. Model yang dibangun memberikan bobot kepada future claim dan anticipating premium. Untuk meminimalkan selisih besarnya premi multiple period terhadap future claim maupun anticipating premium digunakan masalah pemrograman kuadratik. Masalah pemrograman kuadratik diselesaikan dengan menggunakan kondisi Karush-Kuhn-Tucker. Dengan mengaplikasikan konsep model multiple period terhadap data real terlihat bahwa model kredibilitas Buhlmann multiple period memberikan besar tarif premi yang lebih adil untuk setiap pemegang polis dibandingkan menggunakan model kredibilitas one period. Diharapkan dengan menggunakan model multiple period, insurer dapat melakukan perencanaan jangka panjang lebih baik serta meningkatkan keefektifitasan kinerja.

---

ABSTRACTBuhlmann credibility model generally used to predict premium tariff for each policyholder at  period based on period history claim or also called one period model. In this thesis, Buhlmann credibility model is generalized or also called multiple period model. Multiple period model allows insurer to predict amount of premium not only one period ahead but also few period ahead based on period history claim. The model is considering two important component, which are future claim and anticipating premium and gives weight for each component. To minimize the difference between premium multiple period and future claim also between premium multiple period and anticipating premium, quadratik programming problem is used on this thesis. Quadratic programming problem is solved by Karush-Kuhn-Tucker conditions. By applying the concept of multiple period models to real data, it can be seen that the Buhlmann multiple period credibility model gives premiums more fair for each policyholder than using the one-period credibility model. By using this model, hopefully insurer enable to conduct long-term financial planning and increase effectiveness of work."

"Salah satu model yang digunakan untuk menghitung tarif premi adalah dengan menggunakan model kredibilitas, di mana tarif premi ditentukan menggunakan pengalaman masa lalu. Salah satu model kredibilitas yang telah dikembangkan adalah model kredibilitas Bühlmann. Pada model ini, diasumsikan bahwa setiap pemegang polis memiliki karakter dan tingkat risiko yang berbeda-beda. Model kredibilitas Bühlmann mengestimasi tarif premi menggunakan mean dari besar klaim suatu kontrak. Pada skripsi ini, akan dibahas sebuah modifikasi dari model kredibilitas Bühlmann yang disebut dengan model kredibilitas kuantil, dimana tarif premi diestimasi menggunakan kuantil dari besar klaim kontrak asuransi tersebut. Pembahasan model kredibilitas kuantil dimulai dari penentuan bentuk umum persamaan, lalu dilakukan penentuan faktor kredibilitas dengan meminimumkan mean squared error antara parameter yang digunakan untuk memprediksi tarif premi dengan estimatornya, kemudian dilanjutkan dengan penaksiran parameter pada model menggunakan metode non-parametrik. Kemudian, dilakukan studi kasus untuk membandingkan hasil perhitungan menggunakan model kredibilitas Bühlmann dengan model kredibilitas kuantil. Selain itu, pada studi kasus juga dibandingkan sensitivitas dari hasil estimasi masing-masing model jika terdapat outlier pada data. Secara umum, model kredibilitas kuantil memiliki performa yang baik jika terdapat outlier karena model tersebut kurang sensitif terhadap outlier pada sebagian besar kuantil.

---

One of the models used to calculate the premium rate is by using the credibility model, where the premium rate is determined using past experiences. One of the credibility models that has been developed is the Bühlmann credibility model. This model assumes that each policyholder has a different character and level of risk. The Bühlmann credibility model estimates the premium rate using the mean of the claim severity of a contract. This thesis discusses a modification of the Bühlmann credibility model which is called the quantile credibility model, where the premium rate is estimated using the quantile of the claim severity of an insurance contract. The discussion of the quantile credibility model starts from determining the general form of the equation, then determining the credibility factor by minimizing the mean squared error between the parameter used to predict the premium rate and the estimator, then continues with estimating the parameters using non-parametric methods. Then, a case study is conducted to compare the calculation results using the Bühlmann credibility model and the quantile credibility model. In addition, the case study also compares the sensitivity of the estimation results of each model if there are outliers in the data. In general, the quantile credibility model has a good performance if there are outliers because the model is less sensitive to outliers in most of the quantiles."

"Dalam asuransi, risiko dipindahkan dari pemegang polis ke perusahaan asuransi dengan membayar kompensasi berupa premi. Salah satu metode yang dapat digunakan dalam menentukan besar premi yang harus dibayar adalah menggunakan teori kredibilitas. Pada teori kredibilitas, premi pada tahun yang akan datang dihitung menggunakan kombinasi dari data masa lalu pemegang polis dan data lain yang bersesuaian. Salah satu model kredibilitas yang telah dikembangkan adalah model kredibilitas Bühlmann dan model Bü hlmann-Staub. Asumsi model ini adalah setiap pemegang polis memiliki karakter dan tingkat risiko yang berbeda-beda dan dikelompok berdasarkan parameter risiko. Pada praktiknya, data asuransi dapat dikelompok berdasarkan lebih dari satu parameter risiko. Pada tugas akhir ini dibahas perumuman dari model Bühlmann-Straub, yaitu model kredibilitas hierarki, dimana data portofolio asuransi dikelompokkan dengan lebih dari satu parameter risiko. Selain itu, dalam memprediksi besar tarif premi digunakan kuantil dari besar klaim kontrak, menggantikan mean dari besar klaim kontrak. Penggunaan kuantil disebabkan data asuransi cenderung berekor tebal, dimana tidak jarang terdapat klaim yang bersifat outlier. Pembentukan model kredibilitas kuantil hierarki dimulai dengan menentukan faktor kredibilitas untuk sektor dan kontrak yang meminimumkan mean squared error antara parameter yang digunakan untuk memprediksi tarif premi dengan penaksirnya. Untuk menghitung faktor kredibilitas, diperlukan nilai dari parameter struktural model, yang ditaksir menggunakan metode non-parametrik. Setelah mendapatkan taksiran dari parameter struktural model serta faktor kredibilitas untuk masing-masing sektor dan kontrak, tarif premi dapat ditentukan untuk masing-masing sektor dan kontrak. Kemudian, akan dilihat performa dari model ini apabila terdapat outlier pada data. Secara umum, model ini robust terhadap outlier untuk kuantil yang nilainya tidak mendekati satu.

---

In insurance, the risk is transferred from the policyholder to the insurance company with paying compensation in the form of premiums. One method that can be used to determine the amount of premium that to be paid is using the credibility theory. In credibility theory, future premiums can be determined with the combination of past data of policyholder and the other corresponding data. One of the the credibility models that has been developed are the Bü hlmann credibility model and Bü hlmann-Straub credibility model. This model assumes that each policyholder has a different characteristic and level of risk and can be group based on risk parameter. In practiced, the data of insurance can be grouped based on more than one risk parameter. This thesis discusses a generalization of the Bü hlmann- Straub credibility model, that is hierarchical credibility model, which the data of insurance portofolio grouped with more than one risk parameter. In order to predict the premiums rate, the quantile of the contract claim amount is used, replacing the mean of the contract claim amount. The use of quantiles is due to the fact that insurance data tends to be thick-tailed, where outlier claims are not uncommon. The construction of the hierarchical quantile credibility model begins by determining the credibility factor for sectors and contracts that minimizes the mean squared error between the parameters used to predict premium rates and their estimators. To calculate the credibility factor, takes the value of the structural parameters of the model, which estimated using non-parametric methods. After obtaining estimation of the structural parameters of the model as well as the credibility factor for each sector and contract, premium rates can be determined for each sector and contract. Then, the performance of this model will be seen if there is outlier in the data. In general, this model will be robust against outliers for quantile values that are not too large."