Pemodelan Besar Klaim Asuransi Menggunakan Model Weibull Autoregressive Conditional Amount (waca)

Abstract

Abstrak Pada perusahaan asuransi, diperlukan informasi penting untuk mengetahui besar klaim yang akan ditanggung oleh perusahaan di masa depan, yaitu dengan melakukan prediksi (forecast) besar klaim. Metode prediksi yang sering digunakan adalah metode analisis time series (deret waktu). Dalam penelitian ini membahas tentang memodelkan data besar klaim asuransi menggunakan model Weibull Autoregressive Conditional Amount (WACA). Model WACA yang digunakan adalah WACA (1,1). Berdasarkan hasil pengujian pada penelitian ini, diperoleh nilai estimasi parameter model WACA (1,1) menggunakan metode Maximum Likelihood Estimator (MLE) sehingga dapat memprediksi besar klaim asuransi. Nilai Root Mean Square Error (RMSE) dari hasil prediksi besar klaim asuransi adalah 7947964.6879 dengan rata-rata dari data pengamatan adalah 8046671.5508. Kata kunci : WACA, distribusi Weibull, besar klaim asuransi, prediksi, MLE, RMSE Abstract On the insurance company, important information required to know the great claims that will be paid by the company in the future by doing prediction (forecast) large claims. Prediction method that is often used is the method of analysis of time series. In this research discuss about are modeling large data insurance claims using Weibull Autoregressive Conditional Amount (WACA) model. WACA model used is the WACA (1,1). Based on the results of the test on this research, obtained the value of the estimation of model parameters WACA (1,1) using Maximum Likelihood Estimator (MLE) method so that can predict large insurance claims. The value of the Root Mean Square Error (RMSE) from the results of the great prediction is 7947964.6879 insurance claims with an average of from the observation data is 8046671.5508. Keywords: WACA, Weibull distribution, forecast, MLE, RMSE