Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini bertujuan untuk mengestimasi premi murni terhadap data zero inflated klaim asuransi kecelakaan melalui Generalized Linear Model (GLM). Penelitian ini berfokus pada pemodelan data frekuensi klaim dengan zero inflated melalui regresi Zero Inflated Poisson (ZIP) untuk menjembatani kesenjangan yang ada. Berdasarkan peneltian-penelitian terdahulu, frekuensi klaim kerap diasumsikan berdistribusi Poisson dalam perhitungan premi murni dengan GLM tanpa memperhatikan kehadiran excess zeros. Sedangkan estimasi parameter severity (besar klaim) ditentukan melalui regresi Gamma. Selajutnya premi murni diestimasi dengan melakukan perkalian antara frekuensi dan severity atas asumsi independensi. Data yang digunakan dalam penelitian merupakan data sekunder yang diperoleh dari PT ABC sebagai asuransi kecelakaan kerja. 1000 sample data terdiri dari tahun 2017, meliputi frekuensi klaim dan severity yang merupakan variabel dependen, serta data tertanggung yang diataranya adalah usia, jenis kelamin, kelompok lingkungkan kerja, dan masa aktif polis asuransi (exposure) sebagai variabel independen. Hasil penelitian menunjukkan bahwa model regresi ZIP sesuai untuk mengestimasi frekuensi klaim pada data zero inflated PT ABC. Model regresi Gamma juga menunjukkan kesesuaian dalam mengestimasi severity data PT ABC. Estimasi premi murni yang dihasilkan menunjukkan bahwa jenis kelamin tidak berpengaruh signifikan terhadap besar premi murni. Usia dan kelompok risiko lingkungan kerja merupakan variabel yang paling signifikan terhadap besar premi murni. Frekuensi klaim kecelakaan kerja tertinggi dimiliki tertanggung dengan usia 18 tahun. Frekuensi klaim menurun seiring pertambahan usia baik pada tertanggung wanita maupun pria, namun kembali meningkat di usia akhir 50 tahun hingga 56 tahun pada tertanggung pria. Besar severity tidak selalu sejalan dengan premi murni sehingga dapat disimpulkan bahwa frekuensi klaim merupakan komponen yang lebih berpengaruh terhadap pergerakan premi murni. Premi murni yang dihasilkan lingkungan kerja dengan risiko rendah lebih besar dari pada lingkungan kerja dengan risiko sedang.

---

This thesis aims to estimate pure premium towards zero inflated claim data of accident insurance through the Generalized Linear Model (GLM). This study focuses on modeling the claim frequency data with excess zeros through the Zero Inflated Poisson (ZIP) regression to bridge the gap between previous studies where it is generally assumed to be distributed in Poisson. Gamma regression is used to estimate the parameter of severity. Pure premiums are estimated by multiplying the frequency and severity in assumption of independence. The data is obtained from accident insurance company PT ABC. 1000 data samples consist of 2017, including the claim frequency and severity as dependent variable, as well as age, sex, occupational environment, and the active period of the insurance policy (exposure) as independent variables.

The results indicate that ZIP regression model is suitable for estimating the claim frequency. The Gamma regression model also shows conformity in estimating the severity. The estimation of pure premiums shows that gender does not have a significant effect on its ammount, while age and occupational environment is the most significant variable. The severity is not always in line with pure premium so it can be concluded that the frequency of claims is a component that has more influence on the movement of pure premiums. Pure premiums produced by a work environment with a low risk are greater than those in a medium-risk work environment. The highest amount of pure premium is on 18 years insureds. Pure premium decline on age, both for the insured women and men, and increased on the end of 50 years to 56 years in the insured man."

"Peraturan perundang-undangan Indonesia mengatur bahwa bukti kepesertaan program asuransi wajib kecelakaan penumpang semata-mata dapat dibuktikan dengan kupon pertanggungan. Pengaturan tersebut menjadi tidak sesuai dengan implementasi yang ada karena pada kenyataannya sudah tidak lagi diberlakukan kupon pertanggungan. Perubahan sistem tiket merupakan salah satu faktor penyebab tidak diberlakukannya kupon pertanggungan. Penelitian ini merupakan penelitian yuridis-normatif. Penulis berusaha untuk menelusuri bagaimana kekuatan pengaturan kupon pertanggungan serta masih relevan tidaknya kupon pertanggungan untuk diterapkan pada sistem tiket kereta rel listrik dan busway. Hasil penelitian yang didapat adalah kupon pertanggungan merupakan salah satu bukti untuk mengajukan klaim asuransi, dimana keseluruhan bukti harus terpenuhi secara kumulatif. Pengaturan mengenai kupon pertanggungan sebagai bukti kepesertaan sudah tidak relevan untuk diterapkan pada saat ini.

---

Indonesia regulates that proof of passenger insurance in passenger accident compulsory insurance program only can be proved by an insurance coupon. Those regulations are not suitable with the implementation due to not applying of the insurance coupon over our condition. One of the factors causing an insurance coupon is not applied anymore is the changes of ticket system.

This study is a normative-juridical research. The author explores the strength of insurance coupon regulation and the relevance of insurance coupon to be applied in electric train and busway ticket system.

The result of this study reveals that insurance coupon is one of the proofs that shall be used to claim insurance, whereas all other proofs are also need to be fulfilled cumulatively. This study reveals that the regulation of insurance coupon is not relevance to be applied with our current condition."

"Penelitian ini membahas tentang resiko kecelakaan kerja pada pekerja bukan penerima upah di Indonesia selama masa pandemi COVID-19. Dalam penelitian ini, ditemukan bahwa setiap pekerjaan memiliki resiko potensial yang perlu diperhatikan dan dikendalikan. Faktor manusia menjadi penyebab utama kecelakaan kerja, dan situasi pandemi COVID-19 telah menyebabkan tekanan yang parah pada kesehatan mental dan fisik pekerja, meningkatkan resiko kecelakaan kerja. Hasilnya menunjukkan bahwa meskipun terdapat banyak pekerja bukan penerima upah yang memiliki resiko kerja, kepemilikan jaminan kecelakaan kerja masih rendah. Penelitian ini menggunakan metode estimasi logistik dan menemukan bahwa tingkat resiko kerja berpengaruh positif terhadap kepemilikan jaminan kecelakaan kerja.

---

This research discusses the risk of work accidents among non-wage workers in Indonesia during the COVID-19 pandemic. In this study, it was found that every occupation carries potential risks that need to be considered and controlled. Human factors are the main cause of work accidents, and the COVID-19 pandemic has put severe pressure on the mental and physical health of workers, increasing the risk of work accidents. The results show that despite many non-wage workers having work-related risks, the ownership of work accident insurance remains low. This research uses logistic estimation method and finds that the level of work risk positively influences the ownership of work accident insurance."

"Tesis ini membahas tentang Jaminan Pertanggungan Wajib Penumpang Ojek Online Berdasarkan Undang-Undang Nomor 33 Tahun 1964 tentang Dana Pertanggungan Wajib Kecelakaan Penumpang dengan pokok permasalahan kesatu Bagaimanakah Kepesertaan Pengemudi Ojek Online Dalam Pertanggungan Wajib Penumpang Berdasarkan UU No.33/1964, kedua Bagaimanakah Jaminan dan Santunan Pertanggungan terhadap Penumpang dan Pengemudi Ojek Online berdasarkan UU No.33/1964 dan UU No.34/1964 tentang Dana Kecelakaan lalu Lintas Jalan terhadap Risiko Kecelakaan Lalu Lintas Jalan. Metode yang digunakan adalah yuridis normatif atau doktrinal, dengan tipe penelitian deskriptif analitis dengan menggunakan data sekunder dengan teori kausalitas. Hasil penelitian ini menunjukkan bahwa Ojek Online tidak termasuk dalam definisi Kendaraan Bermotor Umum sebagaimana diatur dalam Pasal 1 UU No.33/1964 dan UU No.22/2009 tentang Lalu Lintas dan Angkutan Jalan, hal ini berkorelasi bahwa penumpang ojek online tidak mendapatkan hak atas pembayaran ganti rugi jika mengalami kecelakaan lalu lintas jalan karena dikategorikan bukan sebagai penumpang yang diwajibkan membayar iuran wajib sehingga tidak berhak mendapatkan santunan. Apabila ojek online baik pengemudi dan penumpang yang menjadi korban kecelakaan lalu lintas jalan (ditabrak kendaraan lain) maka dikualifikasikan ke dalam sepeda motor pribadi dan dapat diberikan santunan berdasarkan UU No.34/1964. Adapun yang menjadi saran dari penulisan ini adalah amandemen ketentuan mengenai kendaraan bermotor berdasarkan UU No.22/2009 dan UU No. 33/1964.

---

This thesis discusses the Compulsory Coverage Guarantee for Online Ojek Passengers Based on Act No. 33/1964 concerning Compulsory Passenger Accident Coverage Funds with the first main issue being How is the Participation of Online Ojek Drivers in Compulsory Passenger Coverage Based on Act No. 33/1964, secondly How is the Insurance Guarantee and Compensation for Online Ojek Passengers and Drivers based on Act No. 33/1964 and Act No. 34/1964 concerning Road Traffic Accident Funds for the Risk of Road Traffic Accidents. The method used is normative juridical, with a descriptive analytical research type using secondary data with causality theory. The results of this research indicate that online motorcycle taxis are not included in the definition of public motorized vehicles as regulated in Article 1 of Act No. 33/1964 and Act No.22/2009 concerning Road Traffic and Transportation, this correlates with the fact that online motorcycle taxi passengers do not have the right to compensation payments if they experience a road traffic accident because they are not categorized as passengers who are required to pay mandatory fees so they are not-entitled to compensation. If an online motorcycle taxi driver and passenger are victims of a road traffic accident (hit by another vehicle) then they qualify as private motorbikes and can be given compensation based on Act No.34/1964. The suggestion in this writing is an amendment to the provisions regarding motorized vehicles based on Act No.22/2009 and Act No.33/1964."

"Analisis regresi merupakan metode statistika yang digunakan untuk mengetahui pola hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Model regresi yang sering digunakan adalah model regresi linier dengan asumsi variabel respon berdistribusi normal. Pengembangan dari model regresi linier adalah Generalized Linear Model (GLM). Salah satu komponen dari GLM adalah fungsi penghubung yang digunakan untuk menghubungkan variabel respon dengan prediktor linier. Pemilihan fungsi penghubung ini bergantung pada jenis variabel respon. Pada variabel respon kategorik di mana tidak ada keterurutan (nominal), salah satu GLM yang dapat digunakan adalah model dengan fungsi penghubung probit. Namun, model ini tidak dapat digunakan untuk variabel respon kategorik dengan keterurutan (ordinal). Untuk itu, dikembangkan model ordered probit untuk menganalisis variabel respon ordinal dengan fungsi penghubung probit. Namun, jika kategori 0 memiliki observasi yang lebih banyak dibandingkan kategori lainnya, maka terjadi zero-inflation pada data respon. Hal ini dapat menyebabkan terjadinya overdispersi yang berakibat pada kesalahan interpretasi model dan kesalahan pengambilan kesimpulan. Untuk itu, diperlukan pengembangan dari model ordered probit, yaitu model zero-inflated ordered probit. Estimasi parameter model zero- inflated ordered probit dilakukan menggunakan metode maximum likelihood. Implementasi dari model zero-inflated ordered probit digunakan untuk memprediksi tingkat keparahan cedera akibat kecelakaan lalu lintas berdasarkan data kecelakaan lalu lintas. Sebagai variabel respon ordinal pada model zero-inflated ordered probit adalah tingkat keparahan cedera yang memiliki tiga kategori, yaitu tidak terjadi cedera berat, cedera serius, dan cedera fatal. Pada data tersebut, kategori tidak terjadi cedera berat (0) memiliki observasi yang lebih banyak dibandingkan kategori lainnya sehingga terjadi zero-inflation. Sebagai variabel prediktor pada model zero-inflated ordered probit adalah jumlah kendaraan yang terlibat dan jumlah korban jiwa. Hasil penelitian ini menyimpulkan bahwa model zero-inflated ordered probit dengan jumlah kendaraan yang terlibat sebagai inflation variable dan jumlah korban jiwa sebagai variabel prediktor merupakan model terbaik. Model ini memberikan prediksi yang sesuai dengan nilai sebenarnya dengan akurasi 85,36%. Diperoleh pula nilai AIC dari model ini sebesar 2614,282.

---

Regression analysis is a statistical method used to determine the pattern of relationship between a response variable and one or more predictor variables. The regression model that is often used is the linear regression model with the assumption that the response variable is normally distributed. The development of the linear regression model is the Generalized Linear Model (GLM). One of the components of GLM is a link function which is used to connect response variables with linear predictors. The choice of this connecting function depends on the type of response variable. For categorical response variables where there is no ordering (nominal), one GLM that can be used is a model with probit link function. However, this model cannot be used for categorical response variables with ordinal order. For this reason, ordered probit model was developed to analyze ordinal response variables with a probit link function. However, if category 0 has more observations than other categories, then zero-inflation occurs in the data response. This can cause overdispersion which results in misinterpretation of the model and wrong conclusions. For this reason, it is necessary to develop ordered probit model, namely zero- inflated ordered probit model. Zero-inflated ordered probit model parameter estimation was estimated using maximum likelihood method. The implementation of zero-inflated ordered probit model is used to predict the severity of injuries resulting from traffic accidents based on traffic accident data. As an ordinal response variable in the zero- inflated ordered probit model is the severity of injury which has three categories, namely slight injury, serious injury, and fatal injury. In this data, the category of slight injury (0) has more observations than other categories, resulting in zero-inflation. As predictor variables in the zero-inflated ordered probit model are the number of vehicles involved and the number of casualties. The results of this research conclude that the zero-inflated ordered probit model with the number of vehicles involved as the inflation variable and the number of fatalities as the predictor variable is the best model. This model provides predictions that match the actual values with an accuracy of 85,36%. The AIC value of this model was also obtained at 2614,282."

"Tujuan mendasar produk asuransi adalah memberikan proteksi atas kerugian yang tidak pasti kapan terjadi dengan membayar premi sebagai pembayaran transfer risiko tersebut. Mengingat semua risiko tidaksama, perusahaan asuransi tidak dapat memberikan premi murni yang sama untuk setiap risiko pemegang polis dalam portofolio asuransi.  Metode umum untuk menghitung premi murni adalah dengan hasil perkalian antara ekspektasi dari frekuensi klaim dengan severitas klaim. Metode Generalized Linear Models dapat digunakan dalam melakukan estimasi dua komponen tersebut dengan mempertimbangkan karakteristik dari pemegang polis. Metode lain yang dapat digunakan dalam penaksiran premi murni adalah Tweedie Generalized Linear Models. Dimana model Tweedie dapat mengakomodasi kekurangan pada Generalized Linear Models, yakni dapat digunakan pada data klaim yang banyak terdapat nilai klaim sebesar nol rupiah. Dengan menggunakan Tweedie generalized linear models, penaksiran premi murni menjadi lebih efisien karena dapat dilakukan langsung tanpa melakukan estimasi terpisah pada frekuensi dan severitas. Dalam penelitian ini akan ditampilkan komparasi pemodelan dengan menggunakan dua metode tersebut.

---

The fundamental objective product insurance is to provide financial protection from uncertain risk with premium as transferring the risk.  Considering that not all risks are equal, the insurance company should not apply the same premium for all insured risks in portfolio. A commonly method to calculate the pure premium is to multiply the expectation of the claim frequency with the expected cost of claims. Separated- Generalized Linear Models are employed to estimate the two component of pure premium given the characteristic of the policyholders. Another method to estimate the pure premium is Tweedie Generalized Linear Models. Tweedie models can used in the data claims if there are many claims of zero value. Using Tweedie to estimate pure premium more efficient, Tweedie models can estimate pure premium directly without calculate the expectation frequency and severity separated. In this paper, will be practice implementation using these two models."

"Sejak Januari hingga April 2008 kejadian Excess klaim pada Perusahaan 'X' di PT. Citra International Underwriters terus bertambah. Sejak Januari sampai dengan April 2008, jumlah excess claim di PT. CIU semakin meningkat, bulan Januari tercatat jumlah excess claim Rp. 11.664.174,- , bulan Februari Rp. 6.066.848,-, bulan Maret sebesar Rp. 6.157.923,- dan pada bulan April 2008 sebesaar Rp. 41.960.876,-. Excess claim ini akan berdampak pada arus kas dan mempengaruhi citra perusahaan. Variabel- variabel yang dilihat dari segi provider, jenis pekerjaan dari peserta, pengecualian pada polis, dan limitasi manfaat polis, diduga mempengaruhi kejadian excess tersebut. Penelitian skripsi ini bertujuan untuk memperoleh gambaran mengenai 'Kejadian Excess Klaim pada Perusahaan 'X' di PT. Citra International Underwriters periode Januari - April 2008'. Metode ini menggunakan pendekatan kuantitatif dengan jenis penelitian deskriptif melalui desain penelitian Cross Sectional. Dari hasil penelitian didapatkan esimpulan bahwa kejadian excess terbesar terdapat di RSU. Pusat Pertamina dengan proporsi 26,32%. Sedangkan excess menurut jenis pekerjaan diperoleh peserta yang mempnyai pekerjaan guards mempunyai excess terbesar (77,52%), dan untuk perbandingan excess yang disebabkan oleh pengecualian polis dan habisnya limitasi manfaat diperoleh proporsi terbesar berasal dari limitasi manfaat (78,65%). Proses keredensialing PPK yang baik, kartu peserta dengan teknologi canggih, dan memastikan peserta mengetahui manfaat yang menjadi hak mereka, pengecualian yang tidak ditanggung dan limitasi manfaat, adalah beberapa saran yang untuk mencegah terjadinya excess claim."