📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 4 dokumenAPLIKASI FLEXIBLE PARAMETRIC SURVIVAL MODEL UNTUK ANALISIS RISIKO PENYAKIT GAGAL JANTUNG DAN PENETAPAN PREMI
Penyakit gagal jantung merupakan salah satu penyebab utama kematian di dunia dengan tingkat mortalitas yang tinggi. Tingginya risiko kematian pada pasien gagal jantung menimbulkan ketidakpastian dalam penentuan premi asuransi. Oleh karena itu, diperlukan model yang mampu menggambarkan risiko kematian secara akurat sebagai dasar penetapan premi berbasis risiko individu. Penelitian ini bertujuan memodelkan kelangsungan hidup pasien gagal jantung menggunakan Flexible Parametric Survival Model, mengidentifikasi faktor-faktor yang memengaruhi risiko kematian, serta mengaplikasikan hasil model dalam perhitungan premi asuransi. Data yang digunakan merupakan Heart Failure Clinical Records yang terdiri atas 299 pasien. Analisis dilakukan melalui pengujian asumsi, pembentukan model FPSM, evaluasi model menggunakan Concordance index dan calibration plot, serta validasi internal menggunakan bootstrap. Hasil penelitian menunjukkan bahwa variabel age, ejection fraction, serum creatinine, serum sodium, dan high blood pressure berpengaruh signifikan terhadap risiko kematian pasien. Model terbaik dipilih berdasarkan nilai AIC dan BIC terkecil serta memiliki kemampuan diskriminasi dan kalibrasi yang baik. Fungsi kesintasan yang dihasilkan digunakan untuk menghitung premi bersih dan diimplementasikan dalam bentuk kalkulator premi berbasis risiko individu.
PENERAPAN GABUNGAN MODEL CONVOLUTIONAL LSTM-CNN DALAM ESTIMASI RISIKO KEBAKARAN UNTUK PENENTUAN PREMI MURNI ASURANSI PADALAHAN GAMBUT DI PULAU KALIMANTAN
Lahan gambut di Pulau Kalimantan memiliki nilai ekonomi yang tinggi bagi Indonesia karena 48% dari seluruh area lahan gambut ini termasuk dalam konsensi bisnis (Pantau Gambut, 2023). Namun, alih fungsi lahan membuat area ini rentan terhadap kebakaran hutan dan lahan. Berdasarkan penelitian yang dilakukan oleh Rimbawan dan Nur (2021) di Kota Banjarbaru, nilai kerugian akibat kebakaran lahan gambut per 100 Ha mencapai kurang lebih 1 miliar Rupiah. Dengan generalisasi, kerugian pada tahun 2019 akibat kebakaran lahan gambut mencapai 11,611 triliun Rupiah. Oleh karena potensi ekonomi yang tinggi dan adanya risiko kerugian yang tinggi pula, perlu dibuat upaya mitigasi kerugian finansial akibat kebakaran pada lahan gambut ini. Penelitian ini ditujukan untuk memitigasi risiko kerugian finansial tersebut melalui formulasi perhitungan premi murni asuransi. Sejalan dengan tujuan tersebut, dikembangkan sebuah model prediktif berbasis Convolutional Long Short-Term Memory (ConvLSTM) dan Convolutional Neural Network (CNN) untuk mengestimasi peluang terjadinya kebakaran pada lahan gambut. ConvLSTM diimplementasikan sebagai arsitektur dasar karena kemampuannya dalam mengolah data spasial dan temporal secara simultan. Sementara itu, CNN digunakan untuk mengoptimalkan prediksi peluang melalui kemampuannya dalam menganalisis representasi fitur spasial. Model yang dibangun berhasil mendapatkan nilai presisi sebesar 0,1698 dan recall sebesar 0,0264 dengan nilai ROC AUC dan PR AUC sebesar 0,7 dan 0,1191. Hasil ini sudah cukup baik mengingat kemampuan model memprediksi titik api mencapai dua kali lebih baik daripada tebakan acak. Hasil dari model ini juga dapat memprediksi peluang kebakaran pada satu minggu ke depan. Dengan memasukkan nilai severitas kebakaran, diperoleh distribusi kebakaran pada 4 kelas risiko, yaitu rendah, menengah bawah, menengah atas, dan tinggi yang masing-masing memberikan premi murni senilai 9,04; 43,37; 245,76; dan 775,24 juta IDR.
ESTIMASI BIAYA PERBAIKAN GAWAI BERDASARKAN KARAKTER KERUSAKAN GAWAI DENGAN MENGGUNAKAN PROSES GAUSSIAN
Dalam era digital yang terus berkembang, gawai telah menjadi kebutuhan pokok bagi aktivitas sehari-hari. Tingginya penggunaan gawai ini meningkatkan risiko kerusakan yang berimplikasi pada biaya perbaikan yang bervariasi tergantung karakteristik kerusakannya. Penelitian ini bertujuan mengembangkan model estimasi biaya perbaikan gawai berdasarkan karakter kerusakan menggunakan pendekatan Proses Gaussian (Gaussian Process/GP). Data historis mengenai jenis kerusakan dan biaya perbaikan digunakan untuk membangun model prediktif. Proses Gaussian dipilih karena kemampuannya dalam memodelkan hubungan non-linear dan mengelola ketidakpastian dalam estimasi biaya. Hasil penelitian menunjukkan bahwa Proses Gaussian mampu memberikan estimasi biaya perbaikan dengan akurat serta memungkinkan analisis mendalam terhadap faktor-faktor utama yang memengaruhi biaya tersebut. Dengan demikian, model ini memberikan manfaat signifikan bagi perusahaan asuransi dalam menentukan premi yang lebih tepat dan kompetitif.
PERHITUNGAN PROBABILITAS RUIN PERUSAHAAN ASURANSI MENGGUNAKAN METODE MONTE CARLO DENGAN PERGERAKAN HARGA ASET MENGIKUTI MODEL BINOMIAL
Perusahaan asuransi menghadapi risiko kebangkrutan yang signifikan jika tidak dikelola dengan baik. Oleh karena itu, penting untuk memodelkan dan menganalisis probabilitas ruin untuk memastikan stabilitas finansial. Penelitian ini bertujuan untuk menghitung probabilitas ruin dengan memodelkan surplus perusahaan asuransi dengan mempertimbangkan investasi pada aset yang bergerak mengikuti model binomial. Model ini memperhitungkan investasi pada aset berisiko dan tidak berisiko, serta berbagai parameter seperti modal awal, premi, jumlah dan ukuran klaim, serta dividen yang dibagikan. Berdasarkan teori probabilitas dan proses stokastik, digunakan simulasi Monte Carlo untuk menganalisis sensitivitas probabilitas ruin terhadap variasi parameter tersebut. Hasil simulasi menunjukkan bahwa probabilitas ruin menurun dengan peningkatan modal awal, premi, dan jumlah klaim, serta meningkat dengan bertambahnya ukuran klaim dan dividen. Selain itu, investasi pada aset tidak berisiko menghasilkan probabilitas ruin yang lebih rendah dibandingkan dengan investasi pada aset berisiko. Hasil penelitian ini menunjukkan bahwa perusahaan asuransi dapat mengurangi risiko kebangkrutan dengan memilih instrumen investasi yang tepat dan mengelola parameter-parameter yang mempengaruhi probabilitas ruin.