Perpustakaan Digital ITB

Model kredibilitas merupakan suatu model yang digunakan dalam penentuan premi murni asuransi dengan menggabungkan suatu nilai premi murni standar industri dengan data klaim masa lalu yang tersedia. Model kredibilitas yang sering digunakan adalah model kredibilitas klasik, model kredibilitas Bayes, dan model kredibilitas B¨uhlmann. Ketiga model ini memiliki kelebihan dan kekurangannya masing-masing, tetapi tidak ada model yang dapat diaplikasikan pada data heavy-tailed yang rawan pencilan, dengan sederhana dan akurat. Selain itu, ketiga model tersebut menggunakan rerata sampel sebagai statistik yang mewakilkan data. Padahal, data asuransi umum rawan akan pencilan yang dapat menyebabkan premi murni yang dihasilkan bersifat over-penalized. Maka dari itu, dalam penelitian ini akan dibantuk 2 model baru, yaitu model kredibilitas robust, yang menggunakan median sampel dan kuartil atas sampel, serta model kredibilitas semi-robust yang menggunakan rerata sampel dan median sampel. Kedua model ini lebih resisten terhadap keberadaan pencilan. Kedua model ini akan dibandingkan performanya dengan model kredibilitas B¨uhlmann untuk 2 tipe data, yaitu data heavy-tailed (memiliki distribusi Pareto) dan data light-tailed (memiliki distribusi eksponen). Berdasarkan simulasi yang dilakukan, diperoleh model kredibilitas semi-robust merupakan model terbaik untuk data heavy-tailed, serta model kredibilitas B¨uhlmann dan semi-robust memiliki performa yang hampir identik untuk data light-tailed. Maka dari itu, dapat disimpulkan bahwa model kredibilitas robust dan semi-robust merupakan alternatif yang baik untuk data heavy-tailed, tetapi bukanlah alternatif yang sederhana untuk data light-tailed.