View/Open

Author
BUNGA SHAELLA VRISTA ,

Date Published
19 Aug 2026

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

Subject
Aktuaria

Publisher

Penentuan premi murni asuransi kendaraan bermotor perlu memperhitungkan risiko klaim berdasarkan banyak klaim dan besar klaim yang terjadi pada polis. Penelitian ini bertujuan untuk menentukan bentuk distribusi posterior, memperoleh distribusi prediktif kerugian agregat klaim, dan menghitung premi murni asuransi kendaraan bermotor menggunakan pendekatan Bayesian Markov Chain Monte Carlo (MCMC). Data yang digunakan merupakan data klaim asuransi kendaraan bermotor comprehensive tahun 2024 dengan 648 polis dan 53 data klaim. Banyak klaim dimodelkan menggunakan distribusi Poisson, sedangkan besar klaim dimodelkan menggunakan distribusi Lognormal. Distribusi posterior diperoleh dari penggabungan distribusi model dan distribusi prior. Sampel posterior dibangkitkan menggunakan algoritma Gibbs sampling dengan tiga chain pada iterasi 10.000, 20.000, dan 40.000. Hasil simulasi menunjukkan bahwa iterasi 40.000 menghasilkan Monte Carlo error paling kecil, yaitu Rp471,4 untuk premi murni periode pengamatan. Premi murni periode pengamatan tahun 2024 diperoleh sebesar Rp766.315 per polis. Distribusi prediktif menghasilkan premi murni prediktif sebesar Rp766.184 per polis. Selisih sebesar Rp130,6 menunjukkan bahwa premi murni prediktif berada dekat dengan premi murni periode pengamatan tahun 2024, sehingga nilai premi murni prediktif tersebut dapat dijadikan dasar bagi perusahaan asuransi dalam menentukan tarif premi asuransi kendaraan bermotor untuk periode berikutnya.

URI
https://repo.itera.ac.id/depan/submission/SB2608260018

Keyword
Bayesian Distribusi Prediktif Gibbs sampling MCMC Premi Murni