Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas dari seorang aktuaris untuk asuransi kendaraan bermotor adalah menentukan tarif yang adil bagi para pemegang polis. Salah satu metode penentuan tarif atau premi dalam asuransi kendaraan bermotor adalah dengan sistem bonus-malus. Besar tarif atau premi disesuaikan setiap tahunnya dengan mempertimbangkan jumlah klaim yang telah diajukan dan level sistem bonus-malus dari pemegang polis pada tahun sebelumnya atau dikenal sebagai experience rating. Besar premi tersebut disesuaikan dengan menghitung relativitas premi, yakni koefisien penyesuaian premi dari premi dasar pemegang polis yang berpindah level pada sistem bonus-malus. Pada sistem bonus-malus tradisional, terdapat dua permasalahan yang kerap ditemui, yakni tidak diperhitungkannya besar klaim dan adanya peluang bagi pemegang polis untuk meninggalkan polis asuransi setelah mengajukan klaim. Hal ini menyebabkan adanya ketidakadilan antar pemegang polis yang melakukan klaim dengan besaran yang rendah dan tinggi karena diberikan penalti kenaikan premi (malus) yang sama. Oleh karena itu, tugas akhir ini mengeliminasi kedua kekurangan sistem bonus malus dengan mempertimbangkan jumlah klaim, besar klaim yang dikategorikan ke dalam berbagai tipe klaim, dan memberlakukan deductible yang bervariasi pada level-level zona malus pada sistem bonus-malus. Rantai Markov digunakan dalam aturan transisi mengenai mekanisme perpindahan level para pemegang polis yang memengaruhi perhitungan besar preminya. Kemudian penelitian ini menganalisis pengaruh dari penerapan deductible bervariasi yang bergantung pada tipe klaim terhadap besar premi untuk berbagai level dalam sistem bonus-malus yang telah dimodifikasi. Hasil analisis menunjukkan bahwa dengan menggunakan sistem bonus-malus yang telah dimodifikasi tersebut dapat menghasilkan besar premi antar level yang lebih seimbang, khususnya untuk level zona malus, namun tetap tidak merugikan para pemegang polis pada level zona bonus sehingga lebih menarik dibandingkan sistem bonus-malus tradisional.

---

Primary job of an actuary for automobile insurance is to determine a tariff structure that are fair among all policyholders. One of the methods that can be used to determine the tariff structure of an automobile insurance is with the bonus-malus system. The tariff or premium would be adjusted annually by taking the number of claims that were submitted by the policyholders in the previous year into the consideration, or known as experience rating. The amount of premium would be adjusted by calculating the premium relativity, which is the premium adjustment coefficient of the basic premium of the policyholders who change their level in the bonus-malus system. In the traditional bonus-malus system, there are two problems that are commonly occurred, which are not taking the amount of claim into the consideration in the system, and there is a possibility that policyholders may leave their insurance policy after claiming the benefit of the automobile insurance. These problems may lead into an unfair bonus-malus system between the policyholders as they would be given a same premium increment penalty (malus), no matter the amount of claims were reported. Thus, this last assignment would eliminate both problems of the bonus-malus system by considering the amount of claim into the system, and propose varying deductibles to be implemented for some levels of the malus zone in the system. Markov chain is used as the transition rule regarding the policyholders’ level movement mechanism, which affects the calculation of the amount of the premium. This study would also analyze the effect of implementing varying deductibles that are depended on the type of the claim towards the amount of premium for some levels in the modified bonus-malus system. The results of the analysis show that by using the modified bonus-malus system could produce a more balanced amount of premium among level that are in the malus zone and does not give an unfair treatment for policyholders that are in the bonus zone. Hence, this bonus-malus system is more attractive that the traditional bonus-malus system"

"Sistem bonus malus adalah salah satu sistem yang ditawarkan oleh perusahaan asuransi kendaraan bermotor dalam penentuan premi berdasarkan sejarah klaim. Sistem bonus malus pada awalnya hanya didasari oleh frekuensi klaim. Namun ini akan tidak adil karena setiap pemegang polis mengalami kerugian yang berbeda-beda. Maka untuk mengatasi hal tersebut penentuan premi sistem bonus malus sebaiknya tidak hanya mempertimbangkan frekuensi klaim tetapi juga severitas klaim. Pada penelitian ini akan dibahas penentuan net premi sistem bonus malus berdasarkan frekuensi klaim dan severitas klaim. Frekuensi klaim menggunakan campuran distribusi Poisson Lindley sedangkan severitas klaim menggunakan campuran distribusi lognormal gamma. Pada penelitian ini juga diasumsikan bahwa frekuensi klaim dan severitas klaim independen. Parameter dari distribusi frekuensi klaim dan severitas klaim diestimasi dengan menggunakan metode maximum likelihood estimator (MLE). Selanjutnya metode Bayesian digunakan untuk penentuan net premi yang dibayarkan pemegang polis yaitu berdasarkan perkalian ekspektasi posterior severitas klaim dan frekuensi klaim. Hasil aplikasi pada data menunjukkan bahwa besar premi yang dibayarkan pemegang polis berbanding lurus dengan severitas klaim dan frekuensi klaim yang artinya semakin besar frekuensi klaim dan semakin besar klaim yang diajukan maka semakin besar pula premi yang dibayarkan.

---

The bonus malus system is one of the systems offered by motor vehicle insurance companies in determining premiums based on claim history. The malus bonus system was initially only based on the claim frequency. However, this would be unfair because each policyholder experiences different losses. So to overcome this, the determination of the bonus of the malus bonus system should not only consider the claim frequency but also the claim severity. In this study, we will discuss the determination of the net premium for the bonus malus system based on the claim frequency and the claim severity . The claim frequency use a mixed Poisson Lindley distribution and the claim severity use a mixture of lognormal gamma distribution. In this study, it is also assumed claim frequency and claim severity are independent. The parameters of claim frequency and claim severity are estimated using the maximum likelihood estimator (MLE). Furthermore, the amount of net premium to be paid by policyholders is determined based on he product of the posterior expectation of claim frequency and claim severity. The data application results show that the premium that must be paid by policyholders is directly proportional to the claim frequency and claim severity, which means that the greater the claim frequency and the greater the claim severity submitted, the greater the premium paid."

"Asuransi kendaraan bermotor diperlukan untuk mengantisipasi berbagai risiko kerugian yang mungkin timbul dari kepemilikan dan/ atau penggunaan kendaraan. Umumnya dalam perhitungan premi asuransi kendaraan, digunakan faktor – faktor yang teramati dari tertanggung, contohnya domisili, jenis kelamin, dan usia tertanggung. Akan tetapi, faktor – faktor tidak teramati, seperti kemampuan dan perilaku berkendara dari tertanggung berpengaruh penting dalam frekuensi klaim yang dihasilkan. Sehingga, digunakan riwayat klaim tertanggung yang diekspektasikan menampung pengaruh dari faktor tidak teramati. Sistem penentuan besar premi yang turut melibatkan faktor tertanggung yang tidak teramati disebut sebagai sistem Bonus Malus. Bonus merupakan penurunan premi apabila seorang tertanggung tidak mengajukan klaim sama sekali dalam satu periode dan Malus merupakan kenaikan premi apabila seorang tertanggung mengajukan satu atau lebih klaim. Pada tugas akhir ini, dilakukan perhitungan relativitas optimal atau koefisien penyesuaian premi pada sistem Bonus Malus -1/Top Scale dan -1/+2. Sistem -1/Top Scale memberlakukan penurunan sebanyak satu level jika tidak ada klaim yang dilaporkan dan perpindahan tertanggung ke level tertinggi jika ada klaim, sedangkan sistem -1/+2 menerapkan perpindahan sebanyak dua level ke atas jika terdapat klaim dan penurunan satu level ke bawah jika tidak ada klaim yang dilaporkan. Simulasi perhitungan diterapkan pada sebuah portofolio data asuransi kendaraan negara Perancis yang melibatkan 328760 polis. Diperoleh bahwa selisih relativitas optimal atau koefisien penyesuaian premi untuk setiap level pada sistem -1/+2 tidak sebesar sistem -1/+Top Scale.

---

Automobile insurance is required to protect policyholders from financial loss caused by car damage, accidents, or theft. In general, observable characteristics such as residence, gender, and the insured's age are considered in the process of determining motor insurance premiums. However, several unobservable characteristics, like as driver competence and behavior, have a significant impact on claim frequency. As a result, the insured's claim history is used and expected to account for the impact of unobservable circumstances. The Bonus Malus methodology is a method of assessing the amount of the premium that also includes the insured factors that are not able to be observed. Bonus is a decrease in premium if the insured generates no claims in a particular period of time, whereas a Malus is an increase in premium if the insured has one or more claims. The final project focuses on the determination of appropriate relativity or premium adjustment coefficients for the Bonus Malus -1/Top Scale dan -1/+2 systems. -1/Top Scale system applies a one-level drop if no claims are reported and a switch to the highest level if there is one or more claims reported, while the -1/+2 system applies a two-levels increase if there is a claim and a decrease a one-level decrease if no claims are reported. The simulation is applied to a French national auto insurance data portfolio involving 328760 policies. It is discovered that the difference in the optimal relativity or premium adjustment coefficient for each level in the -1/+2 system is not as large as the -1/Top Scale system."

"Asuransi kendaraan bermotor diperlukan untuk perlindungan dari risiko kerugian finansialakibat kerusakan, kecelakaan, ataupun pencurian kendaraan. Dalam industri asuransikendaraan bermotor, terdapat sistem penentuan besar net premi untuk pemegang polis yangdikenal dengan sistem bonus malus. Sistem ini merupakan sistem experience rating yangartinya dalam melakukan penentuan besar net premi, akan dilihat sejarah klaim yang dilakukanoleh pemegang polis. Bonus merupakan penurunan premi apabila seorang pemegang polistidak mengajukan klaim sama sekali dalam satu periode dan malus merupakan kenaikan premiapabila seorang pemegang polis mengajukan satu atau lebih klaim. Pada tugas akhir ini,dilakukan pemodelan frekuensi klaim asuransi kendaraan bermotor dengan model binomialnegatif, Good Risk/Bad Risk, dan Poisson-Inverse Gaussian. Parameter masing-masing modelditaksir menggunakan metode momen. Selanjutnya, dilakukan penentuan besar net premi yangharus dibayarkan pemegang polis berdasarkan model-model yang telah dibentuk. Seleksimodel dilakukan dengan menggunakan chi-square goodness of fit test. Penentuan besar netpremi dilakukan dengan metode expected value principle, dimana premi dihitung denganekspektasi posterior dari model. Hasil aplikasi pada data menunjukan bahwa model yangberbeda menghasilkan besar premi yang berbeda pula dan semakin besar frekuensi klaim yangdilakukan oleh seorang pemegang polis di masa lampau, maka semakin besar pula premi yangharus dibayarkan oleh pemegang polis.

---

Automobile insurance is needed to protect policyholder against the risk of financial loss due to

damage, accidents or vehicle theft. In automobile insurance industry, there is a system to

determine the amount of net premiums for policyholders known as the bonus malus system

(BMS). This system is an experience rating system, which means the amount of the net

premium depends on policyholder's claim history. Bonus is a decrease in premium if a

policyholder does not initiate any claim at all, in one period and malus is an increase in

premium if a policyholder initiates one or more claims. In this final project, the frequency of

automobile insurance claims was modelled with a negative binomial, Good Risk/Bad Risk, and

Poisson-Inverse Gaussian models. The parameters of each model are estimated using the

moment method. Model selection is carried out using the chi-square goodness of fit test.

Furthermore, the amount of net premium to be paid by policyholders is determined based on

the models that have been established. Determination of the amount of net premium is carried

out using the expected value principle method, where the premium is calculated based on the

posterior expectation. The data application results show that different models produce different

premiums and the greater the frequency of claims initiated by policyholders in the past, the

greater the premium that must be paid by policyholders."

"Perusahaan asuransi kendaraan di banyak negara menggunakan Sistem Bonus-Malus untuk menentukan net premi yang dikenakan kepada pemegang polis. Penentuan net premi pada Sistem Bonus-Malus hanya didasarkan pada frekuensi klaim dan mengabaikan severity klaim. Hal ini tidak adil bagi pemegang polis yang memiliki klaim kecil. Untuk mengatasi masalah tersebut, dikembangkan metode penentuan net premi pada Sistem Bonus-Malus yang mempertimbangkan frekuensi dan severity klaim. Frekuensi dan severity dapat diasumsikan independen atau dependen. Dalam menentukan net premi, dibutuhkan distribusi posterior dari parameter distribusi frekuensi dan severity. Pada kasus frekuensi dan severity independen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan secara terpisah sedangkan pada kasus frekuensi dan severity dependen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan dengan menggunakan distribusi bersama dari frekuensi dan severity. Skripsi ini membahas penentuan net premi yang didasarkan pada distribusi frekuensi dan distribusi severity baik untuk frekuensi dan severity independen maupun dependen.

---

Vehicle insurance companies in many countries use the Bonus Malus System to determine the policyholder 39 s net premium. The determination of net premiums on the Bonus Malus System is based solely on the frequency of claims and ignores the severity of claims. This is unfair to policyholders who have small claims. To overcome this problem, the net premium determination method in Bonus Malus System was developed taking into account the frequency and severity of claims. Frequency and severity can be assumed to be independent or dependent. In determining the net premium, a posterior distribution of parameters of the frequency and severity distribution is required. In the case of frequency and severity independent, the determination of the posterior distribution for frequency and severity is performed separately whereas in the case of frequency and severity dependent, the determination of posterior distribution for frequency and severity is done by using the joint distribution of frequency and severity. This thesis discuss the determination of net premium based on frequency distribution and severity distribution for both frequency and severity independent and dependent. "

"ABSTRAKTesis ini menganalisis sistem bonus malus prinsip nilai ekspektasi untuk asuransi kendaraan bermotor di Indonesia. Pada prinsip nilai ekspektasi setiap pemegang polis dikenakan premi yang proporsional dari ekspektasi jumlah klaim. Data klaim diolah menjadi tabel Jumlah Klaim untuk tahun 2010-2012. Berdasarkan tabel tersebut analisis dilakukan menggunakan distribusi Negative Binomial, Geometric dan Poisson Inverse Gaussian. Hasil distribution fitting menunjukkan distribusi Negative Binomial dan Geometric fit digunakan pada tabel jumlah klaim sedangkan distribusi Poissson Inverse Gaussian tidak. Tabel bonus malus yang dibentuk berdasarkan penelitian ini dapat digunakan untuk penentuan tarif kendaraan bermotor pada PT. ABC dengan menganalisis jumlah klaim yang terjadi pada periode klaim sebelumnya. Hasil analisis dan evaluasi menggunakan tools relative stationary average level (RSAL), coefficient variation (CV) dan waktu konvergensi menunjukkan sistem bonus malus yang berdasarkan distribusi Negative Binomial lebih baik dibandingkan yang berdasarkan distribusi Geometric. Berdasarkan analisis loss ratio, sistem bonus malus lebih mampu merefleksikan risiko pada premi asuransi dibandingkan sistem tarif merata.

---

ABSTRACTThis study's aim analyze the bonus malus system with expected value principle for motor vehicle insurance in Indonesia. In expected value principle each policyholder is charged premium proportionally of their expected number of claims. Claims data is processed into tables Number of Claims for 2010-2012 period. Based on this table analysis was performed using the Negative Binomial, Geometric and Poisson Inverse Gaussian distribution. Results from distribution fitting showing the Negative Binomial and Geometric distribution is accepted used for the table while Poisson Inverse Gaussian distribution is rejected. Table bonus malus established by this study can be used to determine rates of motor vehicle in PT. ABC based on the number of claims occurred in the period of the previous claims. Result from analysis and evaluation using relative stationary average level (RSAL), coefficient of variation (CV) and convergence time tools shows bonus malus system that is based on Negative Binomial distribution is better than that based on Geomteric distribution. Based on the analysis of the loss ratio, bonus malus system is able to reflect the risk in insurance premiums compared flat tariff system."

"Pada skripsi ini akan dibahas Sistem Bonus-Malus dalam asuransi kendaraan bermotor. Sistem Bonus-Malus didasarkan pada distribusi dari banyak kecelakaan kendaraan bermotor. Distribusi poisson digunakan untuk mendeskripsikan banyak kecelakaan. Parameter ? dari distribusi poisson dianggap suatu variabel random berdistribusi gamma. Pdf posterior ? diberikan sejarah kecelakaan selama t periode ialah gamma. Estimasi terbaik untuk ekspektasi banyak kecelakaan pada periode t+1 dari seorang pemegang polis diberikan sejarah banyak kecelakaan selama t periode dapat ditentukan dengan estimasi titik bayesian. Berdasarkan prinsip premi bersih, besar premi yang dikenakan sebanding dengan estimator tersebut. Dengan Sistem Bonus-Malus yang optimal dapat ditentukan premi pada saat t+1. "

"Asuransi mobil merupakan aspek penting dalam masyarakat modern untuk melindungi individu dari kerugian finansial akibat kejadian tak terduga pada kendaraan mereka. Model penetapan tarif asuransi mobil yang digunakan sebelumnya umumnya mengasumsikan bahwa frekuensi klaim dan tingkat keparahan klaim adalah independen. Namun, seiring perkembangan waktu, penelitian lebih lanjut telah menghasilkan model klaim asuransi yang lebih canggih dengan mempertimbangkan adanya ketergantungan antara frekuensi klaim dan tingkat keparahan klaim. Meski begitu, model-model tersebut memiliki beberapa keterbatasan yang menyebabkan mereka belum mampu menangkap sepenuhnya interaksi kompleks antara frekuensi dan tingkat keparahan klaim. Selain itu, pembahasan mengenai proses yang mendasari ketergantungan tersebut masih sangat terbatas. Oleh karena itu, penelitian ini bertujuan untuk menunjukkan hubungan ketergantungan antara frekuensi klaim dan tingkat keparahan klaim, serta mempelajari dan memahami konsep bonus hunger sebagai elemen perilaku pengemudi yang menjadi fenomena umum dalam kontrak asuransi dengan sistem bonus-malus. Dalam penelitian ini, konsep bonus hunger dimasukkan ke dalam model frekuensi-keparahan klaim yang digabungkan dengan sistem bonus-malus standar dan direpresentasikan sebagai tingkat retensi optimal, yang dihitung menggunakan algoritma Lemaire. Model frekuensi-keparahan klaim ini didasarkan pada kerangka Generalized Linear Model (GLM), di mana frekuensi klaim dimodelkan menggunakan model regresi binomial negatif, sementara tingkat keparahan klaim dimodelkan menggunakan model regresi Gamma. Sementara itu, sistem bonus-malus dimodelkan dengan pendekatan model relasi tipe Bayesian. Hasil aplikasi data menunjukkan adanya hubungan ketergantungan antara frekuensi klaim dan tingkat keparahan klaim, serta mengonfirmasi fenomena bonus hunger sebagai tingkat retensi optimal dalam sistem bonus-malus.

---

Automobile insurance is a necessary aspect of modern society for protecting individuals from the financial losses of their vehicles due to accidents, theft, natural disasters, or other unforeseen events. Within the automobile insurance industry, actuarial ratemaking models are essential in modeling both premiums and insurance claims for each policyholder. Earlier auto-ratemaking models have traditionally assumed independence between claim frequency and severity. Since then, subsequent studies have developed more sophisticated insurance claim models that accommodate dependence between claim frequency and severity. However, these models have several limitations that prevent them from accurately capturing the complex interactions between claim frequency and severity. Moreover, there has been little discussion as to the underlying process that causes this dependence. Therefore, this study aims to showcase the dependent relationship between claim frequency and severity, as well as study and understand bonus hunger as a behavioral element of the driver and a prevalent phenomenon in insurance contracts within the bonus-malus system. The bonus hunger is incorporated into a frequency-severity model coupled with the standard bonus-malus system and represented as an optimal retention level, calculated using the Lemaire algorithm. The frequency-severity model is based on a generalized linear model (GLM) framework in which the frequency is modeled using the negative binomial regression model. In contrast, the severity is modeled using the Gamma regression model. Meanwhile, the bonus-malus system is modeled using a Bayesian-type relativity model. The data application results show the dependent relationship between claim frequency and severity, as well as the bonus hunger phenomenon as an optimal retention level."

"Tesis ini membahas mengenai analisa pengaruh variabel demografi yaitu umur pemilik kendaraan bermotor dan profesi dengan mengikutsertakan beberapa variabel kontrol yang dinilai juga memiliki hubungan. Penelitian ini menggunakan metode Generalized Linear Method dan memberikan hasil yang menunjukkan bahwa, hanya variabel umur pemilik kendaraan bermotor yang signifikan terhadap variabel severitas klaim, frekuensi klaim dan premi murni. Semakin bertambah usia seseorang akan berpengaruh terhadap penurunan premi dikarenakan semakin tinggi tingkat kehati-hatiannya sehingga premi yang diberikan semakin rendah.

---

This thesis discusses the analysis of the influence of demographic variables such as age andprofession of motor vehicle owners . by including some of the control variables assessed also hashubunagn . This research method menggunazan Generalized Linear Method and results showedthat only age variable motor vehicle owners are significant to the variable severity of claims ,claim frequency and pure premium . The more mature person will affect the premium declinedue to the higher level of caution that given the lower premiums"

"Premi adalah sejumlah uang yang ditetapkan oleh perusahaan asuransi atau perusahaan reasuransi dan disetujui oleh pemegang polis untuk dibayarkan. Hal tersebut sesuai dengan perjanjian asuransi atau perjanjian reasuransi. Dalam penetapan tarif premi asuransi kendaraan bermotor, perusahaan asuransi memperhitungkan eksposur risiko yang diterima kendaraan bermotor untuk mengestimasi jumlah klaim. Pada umumnya, perusahaan asuransi kendaraan bermotor hanya memperhitungkan faktor durasi kontrak asuransi dalam memperhitungkan eksposur risiko. Namun, pada kenyataannya terdapat faktor lain yang memengaruhi risiko terjadinya kecelakaan, salah satunya adalah jarak tempuh kendaraan. Faktor risiko jarak tempuh telah dipertimbangkan pada asuransi Pay-As-You-Drive (PAYD). Pada penelitian ini, dilakukan penghitungan eksposur risiko pada kendaraan bermotor dengan memperhitungkan jarak tempuh kendaraan dan durasi kontrak asuransi. Tujuannya adalah untuk melihat efek simultan yang dihasilkan oleh jarak tempuh dan durasi kontrak asuransi sebagai kovariat terhadap variabel respons jumlah klaim menggunakan Generalized Additive Model (GAM). GAM digunakan untuk menangkap kemungkinan adanya hubungan non-linear antara kovariat dengan variabel respons. Dalam penelitian ini, GAM dikonstruksi dengan cubic splines dan untuk mengestimasi koefisien model, digunakan metode Penalized Iteratively Reweighted Least Squares (PIRLS). Setelah koefisien model diestimasi, GAM dapat digunakan untuk memprediksi nilai frekuensi klaim. Nilai frekuensi tersebut dapat dimanfaatkan untuk menentukan relativitas harga premi terhadap reference premium. Reference premium adalah nilai premi yang diterapkan ketika diasumsikan tidak ada pengaruh dari kovariat. Selanjutnya, GAM diimplementasikan pada data klaim asuransi kendaraan bermotor untuk menentukan tarif premi.

---

Premium is an amount of money set by an insurance company or reinsurance company and agreed upon by the policyholder to be paid based on an insurance or reinsurance policy. In establishing premium rates for motor vehicle insurance, insurance companies consider the risk exposure associated with motor vehicles to calculate the estimated number of claims. Generally, motor vehicle insurance companies only consider the duration of the insurance contract when calculating risk exposure. However, there are other factors that influence the risk of accidents, one of which is the distance traveled by the vehicle. The mileage risk factor has been considered in Pay-As-You-Drive (PAYD) insurance. In this study, risk exposure in motorized vehicles was calculated by considering the distance traveled by the vehicle and the duration of the insurance contract. The objective is to examine the simultaneous effects of mileage and insurance contract duration as covariates on the response variable of claim amount using the Generalized Additive Model (GAM). GAM is used to capture the possibility of a non-linear relationship between the covariates and the response variable. In this study, GAM is constructed with cubic splines and to estimate the model coefficients, the Penalized Iteratively Reweighted Least Squares (PIRLS) method is used. Once the model coefficients are estimated, the GAM can be used to predict claim frequency values. The frequency value can be used to determine the relativity of the premium price to the reference premium. The reference premium is the premium value that is applied when it is assumed that there is no influence from covariates. Furthermore, GAM is implemented on motor vehicle insurance claim data to determine premium rates."