ESTIMASI PARAMETER MODEL REGRESI ZERO ADJUSTED INVERSE GAUSSIAN (ZAIG) UNTUK MENENTUKAN BESAR KLAIM
Abstract
Model regresi Zero Adjusted Inverse Gaussian (ZAIG) merupakan gabungan dari Distribusi diskrit Bernoulli dan Distribusi kontinu Inverse Gaussian. Model regresi ZAIG adalah model regresi yang dapat menangani kasus terjadi dan tidak terjadinya klaim, karena kasus tersebut berdistribusi diskrit dan kontinu. Dari kasus terjadi dan tidak terjadinya klaim tersebut dapat ditentukan perkiraan probabilitas klaim dan besar klaim pada suatu perusahaan asuransi. Pada penelitian ini, digunakan data biaya klaim pada perusahaan asuransi auto PT. Asuransi Umum Bumiputera Muda 1967 (BUMIDA) tahun 2013-2014. Data biaya klaim yang digunakan merupakan variabel respon yang berdistribusi Inverse Gaussian. Dengan mengestimasi parameter pada data tersebut, dapat diketahui faktor-faktor yang mempengaruhi probabilitas klaim dan besar klaim. Estimasi parameter dilakukan dengan cara menggunakan metode Maximum Likelihood Estimation (MLE) yang dilakukan secara iteratif dengan metode iterasi Newton-Raphson. Hasil estimasi yang diperoleh kemudian dipilih dengan melakukan pemilihan model terbaik. Hasil dari model terbaik menunjukkan bahwa pemilihan model terbaik tidak mempengaruhi probabilitas terjadinya klaim, namun berpengaruh terhadap besarnya biaya klaim yang akan dikeluarkan oleh perusahaan terhadap peserta asuransi. Dari probabilitas klaim dan besarnya klaim yang diperoleh, dapat ditentukan ekspetasi besar klaim dari suatu kendaraan yang diasuransikan.
Kata kunci: Probabilitas klaim, besar klaim, ZAIG, MLE
Full Text:
PDFDOI: http://dx.doi.org/10.26418/bbimst.v4i03.12427
Refbacks
- There are currently no refbacks.