View/Open

Author
Ester, Angelika Saragi

Date Published
03 Jun 2026

Advisor
Amalia Listiani, S.Pd., M.Sc.,
Putri Isnaini Cahyaning Baiti, S.Mat., M.Sc.,

Subject
Aktuaria

Publisher

Asuransi rangka kapal merupakan salah satu bentuk perlindungan finansial bagi pemilik kapal terhadap risiko kerusakan maupun kehilangan kapal. Penentuan premi murni menjadi hal yang sangat penting karena premi merupakan biaya yang harus dibayarkan tertanggung untuk memperoleh jaminan perlindungan. Premi bergantung pada dua komponen utama, yaitu frekuensi klaim dan besar klaim. Penelitian ini bertujuan untuk memprediksi kedua komponen menggunakan metode Extreme Gradient Boosting (XGBoost) dengan optimisasi hyperparameter menggunakan Bayesian Optimization untuk meningkatan kinerja model. Metode ini dipilih karena mampu mencari kombinasi hyperparameter optimal secara efisien dibandingkan metode pencarian konvensional dengan memanfaatkan Gaussian Process sebagai surrogate model dan fungsi akuisisi. Performa model frekuensi dan besar klaim dievaluasi berdasarkan nilai Normalized Root Mean Squared Error (NRMSE). Hasil penelitian menunjukkan bahwa model XGBoost memiliki kemampuan prediksi yang baik pada frekuensi klaim dengan tingkat akurasi sebesar 7,6% serta kemampuan pediksi yang cukup baik pada besar klaim dengan tingkat akurasi sebesar 18%. Selanjutnya, hasil prediksi frekuensi klaim dan besar klaim digunakan sebagai dasar dalam perhitungan premi murni melalui perkalian kedua komponen, sehingga diperoleh bahwa tipe kapal Barge pada rentang 2.750-3.300 GT memiliki nilai total premi murni tertinggi sebesar Rp127.790.951.326,41 sedangkan tipe kapal Barge pada rentang < 900 GT memiliki nilai total premi murni terendah sebesar Rp733.310.351,30.

URI
https://repo.itera.ac.id/depan/submission/SB2606020041

Keyword
Asuransi Rangka Kapal Besar Klaim Extreme Gradient Boosting (XGBoost) Frekuensi Klaim Premi Murni