Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas model regresi untuk mengestimasi net premium sebuah polis asuransi umum yang dijual dengan deductible. Pada asuransi umum, taksiran untuk net premium harus mempertimbangkan frekuensi dan severitas klaim yang kemungkinan akan diajukan di masa depan. Model untuk net premium dapat dituliskan ke dalam dua komponen, yaitu komponen frekuensi dan severitas. Frekuensi dan severitas klaim antar pembeli polis dapat berbeda karena tidak semua pembeli polis memiliki karakteristik yang sama. Untuk menetapkan harga premi yang adil, karakteristik tersebut harus dipertimbangkan. Maka akan digunakan pendekatan analisis regresi. Model regresi dengan karakteristik pembeli polis sebagai kovariat diterapkan pada model frekuensi dan severitas secara terpisah, dan diasumsikan efek kovariat tersebut multiplikatif. Akan tetapi, dapat ditunjukkan bahwa efek dari deductible pada frekuensi maupun severitas tidak multiplikatif. Oleh karena itu, data akan dipartisi berdasarkan besarnya deductible dan untuk tiap partisi data ini dilakukan analisis Generalized Linear Model (GLM). Dari hasil GLM tersebut, dilakukan regresi sekali lagi untuk mencari hubungan antara frekuensi dengan deductible. Demikian juga untuk severitas dengan deductible. Hasil regresi yang diperoleh digunakan untuk mengestimasi frekuensi dan severitas klaim berdasarkan nilai deductible tertentu untuk setiap kombinasi karakteristik pembeli polis. Pada akhirnya, estimasi net premium didapat dari perkalian estimasi frekuensi dan severitas klaim.

---

This thesis discusses regression models to estimate the net premium of a general  insurance policy sold with a deductible. In general insurance, when estimating the net premium, the possible frequency and severities of claims made in the future must be considered. The model for net premium can be written into two components: the frequency and the severity component. Since every policyholder can have different characteristics, the claim frequency and severity can be different. To determine fair policy prices, these characteristics must be considered. Hence, the regression model will be used. The regression model with the policyholders characteristics as covariates is used to model the frequency and severity separately, and it is assumed that the effect of each covariate is multiplicative. However, it can be shown that the effect of deductible is not multiplicative. Therefore, the data will be partitioned based on deductibles and Generalized Linear Model (GLM) analysis will be used on each data partition. From this result, another regression will be used to model the relationship between frequency and deductible, and the relationship between severity and deductible. The estimate for net premium is obtained as a multiplication of the claim frequency and severity."

"Penentuan premi bersih untuk asuransi non-jiwa dapat dilakukan dengan memperkirakan kerugian agregat dari suatu kelompok polis. Kerugian agregat dihitung berdasarkan frekuensi dan klaim tingkat keparahan rata-rata yang biasanya dianggap independen. Namun, dalam beberapa kasus, ada ketergantungan antara frekuensi dan klaim tingkat keparahan rata-rata. Untuk mengatasi masalah ketergantungan, tesis ini menggunakan model regresi berbasis copula untuk membangun distribusi kerugian agregat. Hal ini dilakukan dengan menggabungkan model linear umum marginal dari frekuensi dan klaim tingkat keparahan rata-rata menggunakan kopula. Selanjutnya, parameter distribusi kerugian agregat diperkirakan menggunakan metode kemungkinan maksimum. Tes Vuong digunakan untuk memilih kopula terbaik yang akan digunakan dalam membangun distribusi kehilangan agregat. Akhirnya, premi bersih dari suatu kelompok kebijakan diperoleh berdasarkan estimasi nilai rata-rata dari distribusi kerugian agregat. Simulasi numerik dilakukan dengan menggunakan langkah-langkah ketergantungan tertentu dalam menerapkan model regresi berbasis kopula untuk menentukan premi bersih dari suatu kelompok kebijakan. Berdasarkan simulasi numerik, dapat disimpulkan bahwa jika klaim frekuensi dan keparahan rata-rata memiliki ukuran ketergantungan negatif, maka estimasi rata-rata kerugian agregat dengan asumsi bahwa klaim frekuensi dan keparahan rata-rata adalah independen akan melebih-lebihkan. Sebaliknya, untuk ukuran ketergantungan yang positif, estimasi rata-rata kerugian agregat dengan asumsi bahwa frekuensi dan klaim tingkat keparahan rata-rata independen akan meremehkan.

---

Determination of net premiums for non-life insurance can be done by estimating aggregate losses from a group of policies. Aggregate losses are calculated based on frequency and claim average severity which is usually considered independent. However, in some cases, there is a dependency between frequency and claims of average severity. To overcome the problem of dependency, this thesis uses a copula-based regression model to build an aggregate loss distribution. This is done by combining the general marginal linear model of frequency and claiming the average severity using copula. Next, the aggregate loss distribution parameters are estimated using the maximum likelihood method. The Vuong test is used to select the best copula to be used in building the aggregate loss distribution. Finally, the net premium of a policy group is obtained based on the estimated average value of the aggregate loss distribution. Numerical simulations are performed using certain dependency steps in applying a copula-based regression model to determine the net premium of a policy group. Based on numerical simulations, it can be concluded that if the average frequency and severity claims have negative dependency measures, the estimated average aggregate losses assuming that the average frequency and severity claims are independent will be exaggerating. Conversely, for a positive measure of dependency, the estimated average aggregate loss assuming that the frequency and claim severity of the independent average would be underestimated."

"Penerapan deductible pada jaminan kontrak asuransi merupakan salah satu cara untuk mengatasi masalah adverse selection dan moral hazard yang sering muncul pada asuransi kesehatan. Namun, deductible juga akan mempengaruhi besar net premium. Semakin tinggi deductible yang diterapkan, maka semakin rendah net premium yang akan diperoleh perusahaan asuransi. Jika terdapat klaim yang nilainya sangat besar, maka perusahaan asuransi kesehatan tidak dapat membayarkan klaim tersebut dikarenakan besar net premium yang diperoleh bernilai kecil. Oleh karena itu, penggunaan prinsip perhitungan net premium kurang cocok untuk digunakan. Kemudian, prinsip perhitungan premi dengan Proportional Hazard Transform yang diajukan oleh Wang dianalisis sebagai prinsip perhitungan premi yang cocok untuk digunakan ketika perusahaan asuransi kesehatan menerapkan deductible.

---

Implementation of deductibles on insurance contracts is one of many ways to solve the adverse selection and moral hazard problems that often arise in health insurance. However, the deductible will also affect the amount of net premium. The higher the deductible, the lower the net premium that insurance company will get. If the claims amount are very large, then the insurance company would not be able to pay the claims because the amount of net premium that have been earned is small. Thus, the net premium principle is less suitable to use. The Proportional Hazard Transform principle proposed by Wang being analyzed as an alternative premium calculation method that is suitable to use when the insurer applies deductibles. "

"Dalam asuransi, premi yang ditetapkan harus memiliki prinsip keadilan. Prinsip keadilan yang dimaksud adalah semakin berisiko suatu polis, premi yang dibebankan juga semakin besar, begitu pula sebaliknya. Perhitungan tarif premi diawali dengan mengestimasi klaim agregat. Klaim agregat seringkali diestimasi menggunakan Two-Part Model, yaitu frekuensi dan severitas yang masing-masing dimodelkan dengan Generalized Linear Model (GLM). Penggunaan Two-Part Model dapat disederhanakan dengan mengganti frekuensi menjadi variabel biner yang menunjukkan apakah suatu polis mengajukan klaim atau tidak. Variabel biner ini kemudian dimodelkan dengan regresi logistik. Variabel biner tersebut dapat menghasilkan probabilitas klaim yang menggambarkan risiko suatu polis. Klaim agregat didapat dengan mengalikan probabilitas klaim tiap polis dengan severitas klaim dari regresi gamma. Namun, GLM hanya memberikan informasi nilai rata-rata dari klaim agregat suatu polis sehingga kurang dapat memberikan gambaran risiko suatu polis. Selain GLM, regresi kuantil juga dapat digunakan sebagai alternatif dalam mengestimasi klaim agregat pada kuantil tertentu. Namun, penggunaan regresi kuantil saja masih tidak dapat memberikan gambaran risiko tiap polis sebab regresi kuantil tidak memberikan informasi tentang probabilitas terjadinya klaim untuk tiap polis. Penelitian ini membahas pengembangan model regresi kuantil untuk mengestimasi klaim agregat, yakni model Two Stage Quantile Regression (TSQR). Tahap pertama dari model TSQR adalah pengestimasian probabilitas klaim dari tiap polis menggunakan regresi logistik, lalu tahap kedua adalah pengestimasian klaim agregat menggunakan regresi kuantil. Setelah pengestimasian klaim agregat dilakukan, premi dihitung dengan Quantile Premium Principle (QPP). Lalu, hasilnya dibandingkan dengan premi yang dihitung menggunakan Expected Value Premium Principle (EVPP) dimana klaim agregatnya diestimasi menggunakan GLM. Pada penelitian ini data yang digunakan untuk implementasi model adalah data asuransi kendaraan bermotor dan diperoleh hasil bahwa premi yang dihitung dengan QPP lebih adil dibandingkan dengan EVPP.

---

In insurance, the established premiums must adhere to the principle of fairness. The principle of fairness here implies that as the risk associated with a policy increases, the corresponding premium should also increase, and vice versa. The computation of premium rates commences with the estimation of aggregate claims. This aggregate claims estimation often employs a Two-Part Model, encompassing frequency and severity, each modeled using a Generalized Linear Model (GLM). Simplification of the Two-Part Model can be achieved by transforming frequency into a binary variable indicating whether a policy makes a claim or not. This binary variable is then modeled using logistic regression, producing claim probabilities that depict the risk of a policy. The aggregate claims are derived by multiplying the claim probabilities of each policy by the severity of the claim obtained from a gamma regression. However, GLM only provides information about the average value of the aggregate claims for a policy, which falls short of offering a comprehensive depiction of the policy's risk. In addition to GLM, quantile regression can be employed as an alternative to estimate aggregate claims at specific quantiles. Yet, the use of quantile regression alone still fails to provide an insight into the risk of each policy, as it does not provide information about the probability of claims occurring for each policy. This study aims to discuss the development of a quantile regression model for estimating aggregate claims, specifically the Two Stage Quantile Regression (TSQR) model. The first stage of the TSQR model involves estimating the claim probabilities for each policy using logistic regression, followed by the second stage of estimating aggregate claims using quantile regression. Following the estimation of aggregate claims, premiums are calculated using the Quantile Premium Principle (QPP). Subsequently, these results are compared with premiums calculated using the Expected Value Premium Principle (EVPP), where aggregate claims are estimated using GLM. In this research, the data used for implementing the model is motor vehicle insurance data, and the results obtained indicate that premiums calculated with QPP are fairer compared to EVPP."

"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. "

"Penelitian ini menjelaskan penerapan tabel Incident Rate dalam penentuan premi neto asuransi kredit. Tabel Incident Rate diperoleh berdasarkan hasil taksiran analisis statistik non parametrik. Analisis yang digunakan adalah menentukan fungsi survival menggunakan metode Kaplan-Meier dan fungsi hazard menggunakan metode Nelson-Aalen. Selanjutnya tabel Incident Rate akan digunakan dalam penentuan premi neto menggunakan metode Actuarial Present Value. Contoh perhitungan yang dalam penelitian adalah menentukan premi neto dari asuransi berjangka dikarenakan asuransi kredit memiliki jangka waktu kredit antara 1 sampai dengan 15 tahun. Pada penelitian ini diperoleh hasil bahwa tingkat survival tertinggi terdapat pada kelompok usia 36 sampai dengan 45 tahun. Sedangkan tingkat survival terendah terdapat pada kelompok usia 46 sampai dengan 55 tahun. Atas hasil tersebut dapat ditentukan tingkat hazard dari masing-masing kelompok usia dan kemudian dapat dilanjutkan dengan pembentukan tabel Incident Rate sebagai pedoman dalam penentuan premi neto.

---

This study explains the application of the Incident Rate table in determining the net premium for credit insurance. The Incident Rate table is obtained based on the results of non parametric statistical analysis. The analysis used was to determine survival function using the Kaplan-Meier method and hazard function using the Nelson-Aalen method. Furthermore, the Incident Rate table will be used in determining net premium using the Actuarial Present Value method. An example of a calculation in research is determining the net premium from term insurance because credit insurance has a credit period of between 1 and 15 years. In this study, the highest survival rate was found in the age group 36 to 45 years. While the lowest survival rate was in the age group 46 to 55 years. Based on these results, the level of hazard can be determined from each age group and can then be continued with the formation of the Incident Rate table as a guideline in determining net premium."

"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."

"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."

"Makalah ini menganalisis persaingan antara bank kecil dan bank besar dalam menentukan net interest margin (NIM) di pasar oligopoli. Penelitian ini menerapkan kerangka Game Theory yaitu Dynamic Games of Incomplete Information untuk mengembangkan model Ho dan Saunders. Kami menggunakan data dari industri perbankan Indonesia selama sepuluh tahun yang diklasifikasikan ke dalam tiga kelompok sampel; semua bank, bank kompetitif, dan bank spesifik, dan kemudian kami menghitung NIM optimalnya. NIM bank kecil yang optimal untuk masing-masing kelompok adalah masing-masing 7,32 persen, 8,73 persen, dan 9,16 persen; semua angka ini lebih tinggi dari NIM yang aktualnya. Untuk kelompok semua bank, NIM optimal bank besar lebih tinggi dari NIM aktualnya, sedangkan untuk kelompok bank yang kompetitif, NIM optimal bank besar selalu lebih rendah dari NIM aktualnya. Yang terakhir ini juga berlaku untuk bank-bank besar yang tidak kompetitif. NIM bank besar yang optimal pada ketiga kelompok tersebut masing-masing sebesar 6,78 persen, 4,21 persen, dan 2,75 persen; yang lebih rendah dari bank-bank kecil. Temuan ini membawa kita untuk menyimpulkan bahwa bank kecil memiliki peluang untuk meningkatkan NIM mereka ke tingkat yang optimal.

---

This paper analyzes the competition between small and large banks in determining the net interest margin (NIM) in the oligopoly market. This study applies the game theory dynamic games of an incomplete information framework for the Ho and Saunders model. We use data from the Indonesian banking industry for ten years, classified into three sample groups; all banks, competitive banks, and specific banks, and then we calculate the optimal NIM. The optimal NIM of small banks for each group was 7.32 percent, 8.73 percent, and 9.16 percent, respectively; all these figures are higher than the actual NIM. For all large banks, the optimal NIM is higher than the actual NIM, whereas, for the group of competitive large banks, the optimal NIM of large banks is always lower than the actual NIM. The latter also applies for the uncompetitive large banks. The optimal NIM of large banks in the three groups were 6.78 percent, 4.21 percent, and 2.75 percent, respectively; which are lower than the small banks. This finding leads us to conclude that small banks have the opportunity to increase their NIM to the optimal level."

"ABSTRAK

Laporan magang ini bertujuan untuk menganalisis penerapan pendapatan premi neto pada PT LZZ sesuai dengan PSAK 36 yang mengatur perlakuan akuntansi terkait dengan asuransi jiwa. Selain itu, laporan ini menjabarkan prosedur atas pencatatan pendapatan premi PT LZZ. Pendapatan premibrutoPT LZZ dicatat secara cashdan accrual basis. PPT LZZ menggunakan dua sistem software untuk mencatat pendapatan premi bruto.Penyajian dan pengakuan pendapatan premi neto PT LZZ telah sesuai dengan ketentuan PSAK 36 Asuransi Jiwa mengenai pendapatan premi bruto, premi reasuransi dan Pendapatan Yang Belum Merupakan Pendapatan (PYBMP).

---

ABSTRACT

 

 

---

This Internship Report aims to analyse the application of net premium income on PT LZZ in accordance with PSAK No. 36 which regulates the accounting treatment related to life insurance. This report also describespremium income recording procedures.PT LZZ is using two software systems to record gross premium income. PT LZZ records premium income in cash and accrual basis.Representation and recognitionof netpremium incomePT LZZ accordingly as required PSAK 36about gross premium income, reinsurance premium and unearned premium.

 

 

"