View/Open

Author
CLARISA, AMELIA

Date Published
26 Aug 2026

Advisor
Dila Tirta Julianty, S.Si., M.Si,
Marisa, M.Si.,

Subject
Aktuaria

Publisher

Meningkatnya jumlah kendaraan bermotor menyebabkan risiko kecelakaan dan klaim asuransi semakin tinggi, sehingga penetapan premi asuransi yang akurat menjadi penting untuk menjamin keberlangsungan perusahaan asuransi. Penelitian ini bertujuan menghitung premi risiko murni asuransi kendaraan bermotor menggunakan Markov Chain Monte Carlo (MCMC) dengan pendekatan empirical Bayes pada model Poisson–Pareto Tipe II. Banyak klaim dimodelkan menggunakan distribusi Poisson, sedangkan besar klaim menggunakan distribusi Pareto Tipe II dengan prior Gamma pada kedua model. Estimasi hiperparameter dilakukan menggunakan Marginal Maximum Likelihood (MML) melalui optimasi BFGS, sedangkan estimasi posterior diperoleh menggunakan algoritma Gibbs Sampler. Data yang digunakan merupakan data historis klaim asuransi kendaraan bermotor jenis minibus produk comprehensive selama satu tahun, yang terdiri atas 648 polis aktif dan 53 klaim. Hasil penelitian menunjukkan bahwa skenario terbaik diperoleh pada 40.000 iterasi dengan burn-in 20%. Estimasi premi risiko murni berdasarkan ekspektasi posterior, ekspektasi prediktif posterior, VaR posterior 95%, dan VaR prediktif posterior 95% masing-masing sebesar Rp860.325,00, Rp839.092,79, Rp1.230.693,62, dan Rp2.633.161,60. Pendekatan VaR 95% prediktif posterior menghasilkan kebutuhan loading paling kecil sehingga dapat dipertimbangkan sebagai pendekatan yang lebih representatif dalam penentuan premi risiko murni.

URI
https://repo.itera.ac.id/depan/submission/SB2608240031

Keyword
Asuransi Kendaraan Bermotor