Perpustakaan Digital ITB

Pada asuransi harta benda, menarik untuk mengetahui frekuensi klaim pada suatu lokasi yang diamati dari waktu ke waktu. Klaim merupakan kejadian yang jarang terjadi sehingga terdapat banyak nilai nol pada data. Pemodelan terjadinya klaim penting untuk memprediksi peluang dan frekuensi kejadian pada waktu berikutnya. Sedangkan data diskrit biasa dimodelkan dengan model Poisson. Namun variansi dari data akan bernilai lebih besar dari rataannya, dan model Poisson sudah tidak sesuai lagi. Salah satu alternatif yang dapat digunakan adalah distribusi Zero Inflated Poisson (ZIP). Generalized Linier Model (GLM) digunakan untuk membangun model ZIP Autoregresi yang bergantung dengan frekuensi klaim pada waktu sebelumnya. Efek ketetanggaan ditambahkan pada regresor untuk melihat pengaruh frekuensi kejadian pada tetangga-tetangga sekitarnya terhadap frekuensi kejadian di lokasi yang akan dimodelkan. Aplikasi dari model ini digunakan pada data frekuensi klaim asuransi harta benda di DKI Jakarta. Efek ketetanggaan ditambahkan dengan bobot seragam dan kuadrat invers jarak.