Perpustakaan Digital ITB

Biaya premi adalah penentu dari bisnis asuransi. Besar biaya premi biasanya mempengaruhi bertahan atau tidaknya suatu perusahaan asuransi. Frekuensi klaim dan tingkat keparahan klaim adalah dua komponen utama yang akan mempengaruhi biaya premi. Metode Generalized Linear Models (GLM) telah digunakan dalam berbagai kasus asuransi untuk memprediksi frekuensi klaim. Namun, GLM memiliki beberapa kekurangan yang membuat hasil estimasi tidak akurat. Pemodelan inilah yang dapat diatasi dengan menggunakan Generalized Linear Mixed Model (GLMM). Penelitian ini menunjukkan bahwa GLMM juga dapat digunakan untuk memodelkan frekuensi klaim. GLMM memiliki spatial random effect yang dapat dimodelkan dengan menggunakan model Conditional Autoregressive (CAR) yang bersifat multivariate normal. Hal ini dapat memberikan kemungkinan didapatkannya hasil, baik yang bernilai negatif maupun positif, sesuai efek spasial tersebut. Efek spasial yang digunakan untuk menentukan frekuensi klaim tersebut ditentukan berdasarkan model CAR yang dihasilkan. Parameter yang tidak diketahui akan di-estimasi dengan menggunakan paket library yang terdapat pada aplikasi R. Berdasarkan hasil estimasi tersebut, frekuensi klaim dan tingkat keparahan klaim dapat disimulasikan dan diaplikasikan untuk menghitung nilai premi yang tepat untuk kasus COVID-19. Simulasi untuk frekuensi klaim dengan efek spasial random memiliki premium murni yang lebih baik dibandingkan dengan frekuensi klaim tanpa efek spasial.