Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
[ABSTRAK
Penting bagi perusahaan asuransi untuk memastikan kecukupan modalnya untuk menanggung risiko yang ada. Salah satu risiko yang perlu diperhatikan oleh perusahaan adalah risiko munculnya kewajiban klaim dimasa yang akan datang. Peraturan yang saat ini berlaku untuk mengukur kecukupan modal perusahaan adalah Modal Minimum Berbasis Risiko yang diatur oleh OJK. Dalam ketentuan ini, diatur risiko investasi, risiko mata uang, risiko underwriting, dan beberapa risiko lainnya. Risiko underwriting diukur dalam Risiko Liabilitas Asuransi dengan mempertimbangkan premi dan klaim. Dalam ketentuan Solvency II, risiko pasar, risiko kredit, dan risiko underwriting juga diukur oleh perusahaan asuransi untuk memastikan kecukupan modal dengan mengukur tingkat kerugian maksimum pada tingkat kepercayaan tertentu. Faktor-faktor di dalam risiko underwriting yang perlu diperhitungkan adalah risiko premi, risiko cadangan, dan risiko katastropik. Formula standar sesuai solvency II dapat dijadikan patokan untuk mengukur risiko underwriting dan melihat kecukupan modal perusahaan.

---

ABSTRACT
It is vital for insurance companies to ensure the adequacy of its capital to cover potential risks. One of the risks that need to be considered by the company is the risk of claims liability in the future. Regulation currently in force for measuring capital adequacy of the company is the Risk-Based Capital Adequacy regulated by the Financial Services Authority (OJK). In this provision, it takes into consideration regulated investment risk, currency risk, underwriting risk, and other risks. While stated in Solvency II provisions, market risk, credit risk and underwriting risk is also need to be measured by the insurance company to ensure capital adequacy. This is done by calculating the maximum level of loss at certain level of confidence. Factors in the underwriting risk which need to be taken into account is premium risk, reserve risk and catastrophic risk. Appropriate standard formula solvency II can be used as a benchmark to measure its underwriting risk and ensure capital adequacy. , It is vital for insurance companies to ensure the adequacy of its capital to cover potential risks. One of the risks that need to be considered by the company is the risk of claims liability in the future. Regulation currently in force for measuring capital adequacy of the company is the Risk-Based Capital Adequacy regulated by the Financial Services Authority (OJK). In this provision, it takes into consideration regulated investment risk, currency risk, underwriting risk, and other risks. While stated in Solvency II provisions, market risk, credit risk and underwriting risk is also need to be measured by the insurance company to ensure capital adequacy. This is done by calculating the maximum level of loss at certain level of confidence. Factors in the underwriting risk which need to be taken into account is premium risk, reserve risk and catastrophic risk. Appropriate standard formula solvency II can be used as a benchmark to measure its underwriting risk and ensure capital adequacy. ]

Abstrak :
[ABSTRAK
Kelemahan dari pendekatan Basic Indicator Approach (BIA), Standardised Approach (SA), & Alternative Standardised Approach (ASA) terutama dari penggunaan gross income yang digunakan sebagai proxy untuk eksposur risiko operasional, kemudian tidak memperhitungkan fakta bahwa eksposur risiko operasional meningkat dengan ukuran bank secara non-linear. Penulis mencoba menganalisa pendekatan New Standardised Approach (NSA) yang baru saja diperkenalkan oleh BCBS291 (Oktober 2014) dengan dua strategi yang terdiri dari penyempurnaan perhitungan SA dengan menggunakan business indicators (BI) sebagai proxy perhitungan modal risiko operasional dan meningkatkan kalibrasi dari koefisien perhitungan modal risiko operasional berdasarkan range gross income tanpa melihat lagi faktor β (beta) dari 8 (delapan) business lines. BI menggunakan 3 (tiga) makro komponen, yaitu interest component, services component, dan financial. Pendekatan NSA terlihat cukup konservatif didalam mengalokasikan Operational Capital at Risk (OpCaR) dengan nilai pencadangan yang lebih besar dibandingkan dengan BIA & SA. Kemudian untuk melihat efisiensi alokasi OpCaR dalam penelitian ini dianalisa pendekatan AMA dengan metode Actuarial Loss Distribution Approach menggunakan matriks dimensi 8 (delapan) business lines (BL) dan 7 (tujuh) event type (ET). Dengan mencari distribusi yang paling fit untuk mengestimasi frekuensi dan severitas dari kerugian operasional, dari matriks [ ] hanya dapat mengisi 21 data pada matriks [ ] yang seluruhnya berjumlah 56. Pada Akhirnya hasil OpCaR dengan LDA jauh lebih efisien dan mendekati nilai real losses bank ABC dibandingkan dengan NSA.

---

ABSTRACT
One of the weaknesses from Basic Indicator Approach (BIA), Standardized Approach (SA), and Alternative Standardized Approach (ASA) is the use of gross income as proxy for operational risk exposure. Moreover, it does not take into account the fact that operational risk exposure increases non-linearly with the size of the bank. The Author tries to analyze the New Standardized Approach (NSA) that recently introduced by BCBS291 (October 2014) with two strategies consisting of, improvement of the SA calculations using business indicators (BI) as a proxy for operational risk capital calculation and improve calibration of coefficient in the measurement of operational risk capital based on range of gross income without seeing another β (beta) factor of 8 (eight) business lines. BI using three (3) macro components, there are interest component, services component, and financial component. NSA looks fair and more conservative in allocating Operational Capital at Risk (OpCaR) with higher number than BIA and SA. Moreover, we want to see the efficiency of OpCaR allocation in this study by analyzing AMA with Actuarial Loss Distribution Approach using dimensional matrix between 8 (eight) business lines (BL) and 7 (seven) event types (ET) as comparison. By searching for the most fit distribution to estimate the frequency and severity of operational losses of the matrix [ ], we get 21 instead of 56 data of matrix [ ]. At the end of analysis, OpCaR result from LDA is much more efficient and closer to the real value of the ABC bank losses compared to NSA., One of the weaknesses from Basic Indicator Approach (BIA), Standardized Approach (SA), and Alternative Standardized Approach (ASA) is the use of gross income as proxy for operational risk exposure. Moreover, it does not take into account the fact that operational risk exposure increases non-linearly with the size of the bank. The Author tries to analyze the New Standardized Approach (NSA) that recently introduced by BCBS291 (October 2014) with two strategies consisting of, improvement of the SA calculations using business indicators (BI) as a proxy for operational risk capital calculation and improve calibration of coefficient in the measurement of operational risk capital based on range of gross income without seeing another β (beta) factor of 8 (eight) business lines. BI using three (3) macro components, there are interest component, services component, and financial component. NSA looks fair and more conservative in allocating Operational Capital at Risk (OpCaR) with higher number than BIA and SA. Moreover, we want to see the efficiency of OpCaR allocation in this study by analyzing AMA with Actuarial Loss Distribution Approach using dimensional matrix between 8 (eight) business lines (BL) and 7 (seven) event types (ET) as comparison. By searching for the most fit distribution to estimate the frequency and severity of operational losses of the matrix [ ], we get 21 instead of 56 data of matrix [ ]. At the end of analysis, OpCaR result from LDA is much more efficient and closer to the real value of the ABC bank losses compared to NSA.]

Abstrak :
ABSTRAK
Tesis ini menguji secara empiris pertumbuhan premi neto, risiko underwriting, dan profitabilitas terhadap tingkat solvabilitas perusahaan asuransi umum di Indonesia. Penelitian ini dilakukan terhadap 30 perusahaan asuransi umum yang menjadi anggota Asosiasi Asuransi Umum Indonesia. Penelitian ini diuji menggunakan metode regresi linear berganda menggunakan data panel software Eviews 8.0. Hasil analisis data menunjukkan bahwa pertumbuhan premi neto PPN , risiko underwriting Risk , dan profitabilitas ROA secara parsial mempengaruhi tingkat solvabilitas RBC secara signifikan. Pengujian secara simultan pada ketiga variabel tersebut menunjukkan pengaruh secara signifikan terhadap tingkat solvabilitas perusahaan asuransi umum di Indonesia.

---

ABSTRACT
This thesis empirically test Net Premium Growth, Underwriting Risk, and Profitability towards Solvency Level at General Insurance Companies in Indonesia. This study was conducted on 30 general insurance companies which member of Asosiasi Asuransi Umum Indonesia. This study tested using multiple linear regression using the Eviews 8.0 data panel software. Data analyze or regression test result indicate that premium growth PPN , Underwriting Risk Risk , and profitability ROA partially affect solvency level RBC significantly. Simultaneous testing on these three variables showed significant influence on solvency level of insurance companies in Indonesia.

Abstrak :
ABSTRAK
Sesuai peraturan BAPEPAMLK Nomor: PER-09/BL/2012 Pasal 11 bahwa nilai estimasi klaim yang terjadi tetapi belum dilaporkan IBNR dihitung berdasarkan estimasi sentral atau estimasi terbaik best estimate dengan menggunakan metode rasio klaim atau salah satu dari metode segitiga run-off triangle method . Metode Chain-Ladder dan Bornhuetter-Ferguson adalah metode berbasis triangle yang banyak dijadikan standar oleh auditor dan perusahaan asuransi dalam mengestimasi cadangan IBNR.Tujuan dari studi ini adalah untuk menganalisis daya estimasi metode cadangan klaim IBNR yang berbasis metode triangle. Dengan ukuran statistik MAD dan RMSE diketahui eror pada Metode Bornhuetter-Ferguson lebih kecil dalam mengestimasi cadangan klaim IBNR dibandingkan dengan Metode Chain-Ladder

---

ABSTRACT
According to regulations BAPEPAMLK Number PER 09 BL 2012 Article 11, the estimated value of claims incurred but not reported IBNR is calculated based on the estimated central or best estimate best estimate using the ratio of claims or one of the triangle method run off triangle method . Chain Ladder method and Bornhuetter Ferguson is a triangle based method that is used as a standard by the auditor and insurance companies. The aim of this study is to compare the predictive power of triangle methods in IBNR claims reserves estimation. Base on statistical measure MAD and RMSE, error on Bornhuetter Ferguson method is smaller in estimating the IBNR claims reserve compared with the Chain Ladder method.

Abstrak :
ABSTRAK
Cadangan klaim merupakan salah satu permasalahan utama pada perusahaan asuransi. Kurang tepatnya perhitungan estimasi cadangan klaim dapat mempengaruhi kesehatan dari perusahaan asuransi. Banyak metode yang telah dikembangkan peneliti-peneliti untuk mengestimasi nilai cadangan klaim. Salah satu metode yang paling sering digunakan dalam mengestimasi cadangan klaim di dunia asuransi adalah metode Chain-Ladder dan variasinya. Selain Metode tersebut Hudecova dan Pesta 2013 mengembangkan metode terbaru yaitu Generalized Estimating Equations GEE . Metode GEE merupakan pengembangan dari metode Generalized Linear Method. Keunggulan metode GEE dengan metode GLM adalah pada metode GEE memiliki pemodelan dari hubungan antara periode kejadian dan periode pengembangan pada data. Metode ini juga dapat melakukan estimasi tanpa memerlukan informasi distribusi dari data.Pada penelitian ini akan mencoba untuk melakukan estimasi perhitungan cadangan klaim dengan menggunakan metode Generalized Estimating Equations GEE . Tujuan utama dalam penelitian ini adalah menerapkan serta membandingkan metode GEE dengan Chain-Ladder. Data yang digunakan dalam penelitian ini adalah data klaim lini bisnis asuransi kendaraan bermotor PT XYZ selama tahun 2015 yang masuk pada jenis bisnis short-tail. Hasil estimasi metode GEE lebih akurat dibandingkan dengan estimasi yang dihasilkan metode Chain-Ladder berdasarkan data klaim yang terjadi pada tahun 2016. MAPE GEE dengan struktur korelasi exchangeable yang digabungkan dengan fungsi varians linier memiliki tingkat kesalahan terkecil, yaitu sebesar 55 .

---

ABSTRACT
Claim reserve is one of the biggest problem in insurance company. Inaccurate calculations of claim reserve could lead to downfall of insurance company. There is a lot of methods developed by the experts to estimate the amount of claim reserve. One of the most famous method is Chain Ladder. In addition to the method that already mentioned, Hudecova and Pesta 2013 have developed a new method, which called as Generalized Estimating Equation GEE . This method form as the development of Generalized Linear Method method. The advantage of GEE method with GLM method is the method has modelling out of the relation between the accident period and the development period of the data. This research would like to test making claim reserve estimation using the Generalized Estimating Equations GEE method. The goals of this research is to apply and compare the GEE method with the most famous method, which is Chain Ladder. The data that been used is historical data from PT XYZ motor insurance company from year 2015 2016 that come under the type of short tail business. The result shows, that the estimation value from GEE method base on actual claim in 2016 period. MAPE GEE with exchangeable correlation structure combined with linear variance function has the smallest error rate, which is 55 .

Abstrak :
ABSTRAK
Kebutuhan energi di Indonesia terus meningkat seiring dengan meningkatnya jumlah penduduk Indonesia. Sumber - sumber energi utama selama ini berasal dari minyak bumi, batubara dan gas alam yang semakin terbatas. Dalam mengatasi kemungkinan permasalahan energi di masa mendatang, serta dengan tingginya kebutuhan listrik, diperlukan pengembangan sumber daya energi terbarukan, salah satunya adalah energi angin. Kajian aspek mengenai wilayah yang berpotensi energi angin dapat dilakukan dengan menentukan fungsi distribusi dari kecepatan angin. Hasil dari fitting distribution dari kecepatan angin dalam penelitian ini berdistribusi Weibull. Metode yang digunakan untuk mengestimasi parameter Weibull adalah Metode Densitas Power dan Regresi Linear. Setelah dilakukan perhitungan, Kota Rote merupakan wilayah yang kecepatan anginnya paling proposional dengan Distribusi Weibull. Selain itu, Rote memiliki potensi angin cukup besar saat dibandingkan dengan beberapa kota lainnya. Goodness of Fit yang paling baik digunakan dalam uji kecocokan kecepatan angin di Kota Rote baik bulanan atau pun tahunan adalah Kolmogorov Smirnov. Metode pengestimasi parameter Weibull untuk memodelkan kecepatan angin yang terbaik untuk ketiga kota di tahun 2015 dan 2016 adalah Metode Densitas Power. Besarnya potensi hilangnya modal investasi biaya pembangunan pengoperasian tahunan SKEA di awal 2017 pada Rote sebesar : Rp 335.447.713,00 dan besarnya nilai potensi hilangnya modal investasi secara bulanan sebesar : Rp 27.953.976,00.

---

ABSTRACT
Energy needs in Indonesia continues to increase in line with the increasing of population in Indonesia. Major sources of energy have so far come from petroleum, coal and natural gas are increasingly limited. In addressing the possibility of future energy problems, as well as with the high demand for electricity, the development of renewable energy resources is needed, one of which is wind energy. An aspect study of potential wind energy areas can be done by determining wind speed distribution function. The result of the fitting distribution of the wind speed model in this thesis is Weibull distributed. The methods used to estimate the Weibull parameters are the Power Density and Linear Regression Methods. After calculation, Rote City is the region with the most proportional wind speed with Weibull Distribution. In addition, Rote haslarge wind potential generated compared to other some cities. The best Goodness of Fit which is used in wind speed fitting test in Rote City either monthly or yearly is Kolmogorov Smirnov. The Weibull parameter estimator method for modeling the best wind speeds for the three cities in 2015 and 2016 is the Power Density Method. The amount of yearly potential loss of investment capital development cost operation of SKEA in early 2017 in Rote amounted to Rp 335.447.713,00 and the potential value of investment capital loss on a monthly basis Rp 27.953.976,00.

Abstrak :
ABSTRAK
Asuransi pertanian berbasis indeks iklim di Indonesia belum memiliki riwayat klaim kerugian akibat kekeringan karena defisit hujan saat tesis ini ditulis. Padahal, riwayat tersebut dalam industri, secara empiris digunakan untuk perkiraan cadangan. Sementara itu pengembangannya kedepan, kerugian terekspektasi perlu diestimasi. Data curah hujan harian, sejak 1990 sampai dengan tahun 2015 di Kabupaten Majalengka, Jawa Barat, dianalisa untuk perkiraan kerugian hipotetikal, yang kejadiannya muncul kerena curah hujan kumulatifnya kurang dari nilai picu curah hujan defisit. Kerugian terekspektasi selama musim kemarau dan musim hujan di Kabupaten Majalengka adalah Rp 3.944.620,- dan Rp 4.667.250,- secara beruturan per kontrak polis bila pertanggungan berdasarkan modal produksi padi sebesar Rp 12.700.000,- per masa tanam per Ha tahun 2014 dengan nilai picu curah hujan 46,60 mm dan 361,37 mm secara berurutan.?

---

ABSTRACT
The records of claims losses due to drought or defisit rainfalls on the weather index based crop insurance in Indonesia have yet been available by the time this thesis is written. In fact, the records in the industry, are used empirically to estimate reserve. Meanwhile for the future development, the expected losses need to be estimated. The Daily rainfall data, from 1990 up to 2015 in Majalengka District, West Java, are analysed for estimating hypothetical losses, which events occur because the commulative rainfalls are less then the trigger of defisit rainfalls.The hypothetical expected losses during the dry season and wet season in Majalengka District are Rp 3,944,620, and Rp 4,667,250, in respectively per policy contract as the coverage basis is on the farming production cost in amount of Rp 12,700,000. per period of cultivation per Ha with the trigger of rainfalls are 46.60 mm dan 361.37 mm respectively.

Abstrak :
ABSTRAK
Penelitian didasari pada kebutuhan mendapatkan number of earned exposure units sebagai salah satu bahan menghitung jumlah klaim yang mungkin terjadi di suatu periode tertentu Pigeon, Antonio, Denuit, 2014 pada asuransi kendaraan bermotor bertipe non bus dan non truk. Estimasi ini, diharapkan membantu eksekutif perusahaan dalam perencanaan sumber dayanya agar tetap kompetitif di mata pelanggan. Proses estimasi diawali dengan memodelkan tetap survived-nya suatu obyek hingga akhir periode, sebagai suatu model survival. Model dibangun menggunakan metode Kaplan-Meier, sebagai salah satu metode non-parametrik, terinspirasi penelitian Selvaraj Vincent, 2014 yang menggunakan metode tersebut pada penderita kanker. Pengujian one-sample test dilakukan untuk mengukur seberapa akurasi model merepresentasikan data. Selanjutnya, pengujian two-sample tests antar periode pengamatan, dilakukan per kelompok risiko untuk mendapatkan gambaran mampu tidaknya model survival dalam mengestimasi periode pengamatan yang berbeda. Tabel survival yang dihasilkan, digunakan untuk mengestimasi number of earned exposure units polis asuransi kendaraan bermotor bertipe non bus dan non truk. Penelitian menunjukkan bahwa hasil estimasi menggunakan table survival yang dihasilkan, lebih konservatif dibandingkan hasil observasi, sehingga perusahaan asuransi punya kesempatan menggunakan nilai expected earned exposure units sebagai basis menghitung jumlah unit yang memiliki risiko mengalami partial loss claim dan tetap memberikan ruang optimalisasi sumber daya.

---

ABSTRACT
The study is based on the need to obtain the number of earned exposure units as one of the materials to calculate the number of claims that may occur in a certain period Pigeon, Antonio, Denuit, 2014 on non bus and non truck motor vehicle insurance. The estimation, is expected to help corporate executives in planning their resources to remain competitive in the sight of customers. The estimation process begins by modeling the surviving of an object until the end of the period, as a survival model. The model was built using the Kaplan Meier method, as one of the non parametric methods, inspired by Selvaraj Vincent, 2014 research using the method in cancer patients. Risk pooling is made by considering the practical condition of non bus and non truck motor vehicle insurance in Indonesia. One sample test is done to measure how accurate the model represents data. Furthermore, two sample tests between observation periods were conducted per risk group to get a picture of the survival model 39 s ability to estimate different observation periods. The resulting survival table is used to estimate the number of earned exposure units of the auto insurance policies. Research shows that estimates using the resulting survival table are more conservative than observations, so insurance companies have confidence using expected earned exposure units as the basis for calculating the number of units that have the risk of experiencing a partial loss claim and still providing the resource optimization room.

Abstrak :
Tesis ini membahas tentang kegiatan berinvestasi oleh perusahaan dana pensiun di Indonesia. Dengan banyaknya dana yang dihimpun dari para peserta dana pensiun dengan tujuan mendapatkan manfaat di masa pensiun, maka perusahaan mempunyai tanggung jawab dalam memberikan imbal hasil yang diharapkan oleh peserta dana pensiun. Dengan menggunakan model risiko portofolio Markowitz, diharapkan perusahaan dapat mengelola risiko investasi dengan baik dan kemudian mendapatkan imbal hasil yang diharapkan. ......This thesis discusses about investment activity by pension fund company in Indonesia. The abundance of funds collected from the participants of the pension fund with the purpose of obtaining benefits in retirement, then the company has a responsibility to give the expected return to participants. Using risk portfolio model by Markowitz, company will be expected to be able to manage investment risk and then get a good expected return.

Abstrak :
Tujuan mendasar produk asuransi adalah memberikan proteksi atas kerugian yang tidak pasti kapan terjadi dengan membayar premi sebagai pembayaran transfer risiko tersebut. Mengingat semua risiko tidaksama, perusahaan asuransi tidak dapat memberikan premi murni yang sama untuk setiap risiko pemegang polis dalam portofolio asuransi.  Metode umum untuk menghitung premi murni adalah dengan hasil perkalian antara ekspektasi dari frekuensi klaim dengan severitas klaim. Metode Generalized Linear Models dapat digunakan dalam melakukan estimasi dua komponen tersebut dengan mempertimbangkan karakteristik dari pemegang polis. Metode lain yang dapat digunakan dalam penaksiran premi murni adalah Tweedie Generalized Linear Models. Dimana model Tweedie dapat mengakomodasi kekurangan pada Generalized Linear Models, yakni dapat digunakan pada data klaim yang banyak terdapat nilai klaim sebesar nol rupiah. Dengan menggunakan Tweedie generalized linear models, penaksiran premi murni menjadi lebih efisien karena dapat dilakukan langsung tanpa melakukan estimasi terpisah pada frekuensi dan severitas. Dalam penelitian ini akan ditampilkan komparasi pemodelan dengan menggunakan dua metode tersebut. ......The fundamental objective product insurance is to provide financial protection from uncertain risk with premium as transferring the risk.  Considering that not all risks are equal, the insurance company should not apply the same premium for all insured risks in portfolio. A commonly method to calculate the pure premium is to multiply the expectation of the claim frequency with the expected cost of claims. Separated- Generalized Linear Models are employed to estimate the two component of pure premium given the characteristic of the policyholders. Another method to estimate the pure premium is Tweedie Generalized Linear Models. Tweedie models can used in the data claims if there are many claims of zero value. Using Tweedie to estimate pure premium more efficient, Tweedie models can estimate pure premium directly without calculate the expectation frequency and severity separated. In this paper, will be practice implementation using these two models.