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 :
ABSTRAK
Perusahaan 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.

---

ABSTRACT
Vehicle 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.

Abstrak :
Asuransi kendaraan bermotor diperlukan untuk perlindungan dari risiko kerugian finansial akibat kerusakan, kecelakaan, ataupun pencurian kendaraan. Dalam industri asuransi kendaraan bermotor, terdapat sistem penentuan besar net premi untuk pemegang polis yang dikenal dengan sistem bonus malus. Sistem ini merupakan sistem experience rating yang artinya dalam melakukan penentuan besar net premi, akan dilihat sejarah klaim yang dilakukan oleh pemegang polis. Bonus merupakan penurunan premi apabila seorang pemegang polis tidak mengajukan klaim sama sekali dalam satu periode dan malus merupakan kenaikan premi apabila seorang pemegang polis mengajukan satu atau lebih klaim. Pada tugas akhir ini, dilakukan pemodelan frekuensi klaim asuransi kendaraan bermotor dengan model binomial negatif, Good Risk/Bad Risk, dan Poisson-Inverse Gaussian. Parameter masing-masing model ditaksir menggunakan metode momen. Selanjutnya, dilakukan penentuan besar net premi yang harus dibayarkan pemegang polis berdasarkan model-model yang telah dibentuk. Seleksi model dilakukan dengan menggunakan chi-square goodness of fit test. Penentuan besar net premi dilakukan dengan metode expected value principle, dimana premi dihitung dengan ekspektasi posterior dari model. Hasil aplikasi pada data menunjukan bahwa model yang berbeda menghasilkan besar premi yang berbeda pula dan semakin besar frekuensi klaim yang dilakukan oleh seorang pemegang polis di masa lampau, maka semakin besar pula premi yang harus 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.