View/Open

Author
Vani, Ratnasari Dewi

Date Published
06 Jan 2026

Advisor
Tiara Yulita, S.Pd., M.Sc.,
Amalia Listiani, S.Pd., M.Sc.,

Subject
Aktuaria

Publisher

Penentuan premi asuransi yang akurat merupakan aspek penting dalam menjaga keberlanjutan dan profitabilitas perusahaan asuransi. Premi yang terlalu rendah berisiko menimbulkan kerugian, sedangkan premi yang terlalu tinggi dapat mengurangi daya tarik produk. Penelitian ini bertujuan menghitung premi asuransi kendaraan bermotor dengan perlindungan Comprehensive menggunakan metode Bayesian. Data yang digunakan merupakan data sekunder klaim asuransi kendaraan bermotor periode 2020–2022 dari PT ABC Cabang Lampung. Metode Bayesian digunakan untuk membentuk distribusi posterior yang merepresentasikan kombinasi antara informasi prior non-informatif dan data klaim. Selanjutnya, estimasi parameter dari distribusi posterior dilakukan menggunakan metode Markov Chain Monte Carlo (MCMC) dengan algoritma Gibbs Sampling. Hasil estimasi menunjukkan nilai parameter λ=0,5675, μ=2,838 × 10⁷, dan θ=6,112×10^(-15). Berdasarkan hasil tersebut, diperoleh premi murni sebesar Rp 16.105.650,00 atau Rp 447.379,17/bulan, sedangkan premi berdasarkan prinsip ekspektasi, variansi, dan standar deviasi sama, yaitu Rp 54.681.811,15 atau Rp 1.518.939,20/bulan. Perbedaan nilai premi menunjukkan bahwa model Bayesian mampu memperhitungkan ketidakpastian risiko melalui penambahan loading factor, sehingga menghasilkan perhitungan premi yang lebih representatif.

URI
https://repo.itera.ac.id/depan/submission/SB2601060004

Keyword
Asuransi Kendaraan Bermotor Comprehensive Markov Chain Monte Carlo (MCMC) Gibbs Sampling Metode Bayesian Model Risiko Kolektif Premi