Perpustakaan Digital ITB

Perusahaan asuransi perlu menentukan prediksi cadangan klaim yang tepat agar dapat menyediakan cadangan yang cukup untuk membayar klaim yang diajukan. Salah satu metode yang sering digunakan untuk memprediksi cadangan klaim atas suatu bisnis asuransi long tail adalah metode Standard Chain Ladder (SCL) yang diperkenalkan oleh Mack (1993). Prediksi cadangan klaim menggunakan metode SCL dapat ditentukan berdasarkan data run-off paid losses dan/atau run-off incurred losses (paid losses ditambah case reserve). Masalah yang dapat terjadi adalah prediksi menggunakan data paid losses berbeda dari prediksi menggunakan data incurred losses. Quarg dan Mack (2004) mengusulkan metode Munich Chain Ladder (MCL) untuk mengurangi gap antara kedua prediksi tersebut dengan memanfaatkan korelasi antara data masa lalu paid losses dan incurred losses. Dalam tesis ini, mengikuti Liu dan Verrall (2010), metode bootstrapping digunakan untuk menentukan distribusi prediktif cadangan klaim yang dihasilkan metode MCL. Data yang digunakan sebagai studi kasus dalam Tesis ini terdapat di makalah Dahms (2008). Hasil perhitungan menunjukan bahwa prediksi cadangan klaim yang dihasilkan metode MCL lebih baik dan lebih dapat diandalkan jika dibandingkan prediksi yang dihasilkan metode SCL. Kesimpulan ini diambil dengan mengamati prediction error estimator menggunakan metode MCL serta distribusi prediktif estimator cadangan klaim yang dihasilkan lewat metode boostrapping.