Text
Analisis regrasi berbasis copula dalam mengestimasi total kerugian pada asuransi kesehatan (Studi kasus : Perusahaan Asuransi XZY)
Perusahaan asuransi adalah perusahaan yang menerima pelimpahan risiko atas diri tertanggung, sehingga perusahaan asuransi perlu memperhatikan kerugian yang ditimbulkan sebagai akibat terjadinya klaim. Mengestimasi kerugian klaim merupakan tugas penting bagi perusahaan asuransi untuk memprediksi kewajiban mereka. Total kerugian dalam portofolio perusahaan didefinisikan sebagai sejumlah kerugian polis. Kerugian polis pada asuransi kesehatan dapat dihitung berdasarkan dua variabel, yaitu frekuensi dan severity klaim. Dalam literatur Statistika, joint distribution adalah metode analisis statistika yang dapat menggabungkan dua distribusi data yang berbeda, salah satunya adalah Copula. Tesis ini memberikan penjelasan tentang Copula dalam mengestimasi kerugian polis pada asuransi kesehatan dimana studi kasus yang diambil adalah perusahaan asuransi XYZ. Selanjutnya, penulis melakukan regresi antara kedua Generalized Linear Model (GLM) dari frekuensi klaim dan severity klaim dengan menggunakan model regresi berbasis copula yang diestimasi dengan Maximum Likelihood Estimation (MLE). Model terbaik dan keakuratan model ditentukan berdasarkan nilai Akaike Information Criterion (AIC) dan Root Mean Square Error (RMSE) terkecil. Pada akhirnya, model regresi berbasis copula Frank lebih baik dibandingkan model regresi berbasis copula lainnya yang dapat digunakan untuk memprediksi kerugian polis asuransi kesehatan pada periode berikutnya.Ada tabel
Call Number | Location | Available |
---|---|---|
T 218/16 | PSB lt.2 - Karya Akhir | 1 |
Penerbit | Depok Program Magister Manajemen, Fakultas Ekonomi dan Bisnis Universitas Indonesia., 2016 |
---|---|
Edisi | - |
Subjek | Regression analysis Insurance claims Health insurance Losses |
ISBN/ISSN | - |
Klasifikasi | - |
Deskripsi Fisik | xiv, 78 p. : il. ; 30 cm |
Info Detail Spesifik | - |
Other Version/Related | Tidak tersedia versi lain |
Lampiran Berkas | Tidak Ada Data |