Perpustakaan Digital ITB

COVID-19 memiliki dampak yang sangat besar pada berbagai aspek dan bidang di seluruh penjuru dunia sejak 2020. Pada saat pandemi, sangat banyak masyarakat yang terserang COVID-19, namun untuk pasien yang gangguannya tidak terlalu berat akan dirumahkan atau isolasi mandiri serta banyak pula masyarakat yang takut pergi ke rumah sakit. Hal tersebut berdampak pada klaim asuransi kesehatan yang cendurung rendah saat pandemi dan naik signifikan pasca pandemi COVID-19 pada tahun 2023 dikarenakan masyarakat yang mulai berani datang ke rumah sakit serta beberapa masyarakat yang mengalami penyakit bawaan dampak COVID-19. Terdapat asuransi swasta yang mengalami kerugian hingga penutupan produk, perlu dilakukan analisa atas pola severitas terkini sehingga industri asuransi kembali membaik dengan analisa lebih mendetail seperti mengalisa hingga per kota dan mengalisa usia-usia penyebab klaim tinggi. Kerjasama dengan BPJS Kesehatan juga dapat menjadi salah satu solusi untuk menurunkan severitas klaim, penerapan kerja sama tersebut tentu membutuhkan strategi, namun pola dan hubungan severitas belum tentu sama dengan kondisi awal. Model Generalized Additive Model (GAM) akan dibentuk untuk kondisi sebelum dan setelah mempertimbangkan BPJS Kesehatan sehingga penerapan efisiensi sesuai target. Pola akan dianalisa dengan metode GAM untuk menganalisis hubungan severitas klaim dengan variabel kontinu usia, serta variabel kategorikal kelas kamar, serta provinsi dan kota pada wilayah Jawa, splitbill BPJS Kesehatan, dan jenis penggantian klaim. Model dibentuk dengan melakukan transformasi logaritma natural pada respon severitas awal dan akhir dan untuk prediktor kontinu usia akan dilakukan smoothing dengan metode penalized spline regression dengan pembagian 24 partisi. Terdapat dua model yang akan dianalisa pada tesis berdasarkan dengan hasil model GAM bagian awal. Pada model pertama akan dilakukan penentuan (mapping) kota untuk meminimalisir kota yang kurang signifikan bagi model. Pada model kedua dilakukan mapping kota seperti Model GAM 1 dan dilakukan pula penyesuaian pada kelas kamar. Analisa dilakukan dengan membandingkan tiap variabel dengan basis level, C Kelas I, DKI Jakarta, Jakarta Selatan, insurance only, dan cashless. Pada tesis ini keberhasilan model GAM untuk menjelaskan variabilitas dan keberhasilan mengurangi deviasi dari model dasar berkisar sebesar 64% pada severitas awal dan 62% pada severitas akhir. Provinsi DKI Jakarta merupakan penyebab severitas tertinggi dan Jawa Tengah merupakan provinsi yang sangat ideal dengan severitas yang sangat rendah dan penurunan severitas yang paling efektif. Kota besar seperti Semarang dan Surabaya, dan Kabupaten Sidoarjo perlu menjadi perhatian atas severitasnya yang tinggi, sedangkan Kabupaten Kudus dan Sumedang memiliki efisiensi yang baik. Kelas VIP cenderung kurang efisien sedangkan pada Kelas I cenderung lebih efektif dibandingkan kelas kamar lainnya. Efisiensi severitas terlihat pada usia perguruan tinggi hingga usia awal kerja dan usia pensiun (66,8-70 tahun).