Perpustakaan Digital ITB

Penentuan premi Premium rating pada asuransi umum memerlukan dua komponen penting yaitu frekuensi klaim (claim frequency) dan besarnya klaim (claim size). Dengan model Generalized Linear Mixed Model (GLMM), karakteristik dari pemegang polis (policy holder) dihubungkan secara linear dengan frekuensi klaim yang diasumsikan berdistribusi Poisson dengan menggunakan log link. Model GLMM yang memuat efek acak spasial (spatial random effect) untuk memodelkan adanya pola ketergantungan spasial dengan efek acak spasial dimodelkan berdistribusi Conditial Autoregressive (CAR). Karena adanya efek acak spasial, pendekatan Bayesian digunakan untuk mengestimasi parameter dengan menggunakan algoritma Markov Chain Monte Carlo (MCMC) sehingga digunakan kriteria pemilihan model Deviance Information Criterion (DIC) dan Predictive Model Choice Criterion (PMCC) untuk memilih apakah model dengan atau tanpa efek acak spasial yang lebih baik. Model diaplikasikan pada sebuah data dengan mengasumsikan strutur spasial pengamatan karena tidak disajikan. Menurut PMCC model dengan efek acak spasial lebih baik tetapi tidak menurut DIC, salah satu penyebabnya karena asumsi yang digunakan tetapi model dengan efek acak spasial dapat memprediksi prediksi frekuensi klaim pada tiap daerah dengan lebih baik.