Prediksi Cadangan Klaim Agregat Asuransi Umum dengan Metode Bornhuetter-Ferguson Menggunakan Akurasi MAPE dan RMSPE

Abstract

Perusahaan asuransi melakukan pembayaran klaim ketika klaim dilaporkan. Penyelesaian untuk klaim dapat dibayarkan pada tahun yang sama dengan tahun pelaporan atau diperpanjang hingga beberapa tahun pengembangan. Untuk dapat memenuhi pembayaran klaim, perusahaan asuransi memiliki kewajiban untuk memperkirakan dengan tepat jumlah cadangan klaim yang harus disiapkan. Run-off triangle sering digunakan untuk menerapkan berbagai metode penghitungan cadangan klaim, salah satunya metode Bornhuetter-Ferguson. Dalam karya ilmiah ini, dibahas mengenai penghitungan cadangan klaim secara agregat untuk produk asuransi umum menggunakan metode Bornhuetter-Ferguson. Cadangan klaim merupakan nilai estimasi dari pembayaran klaim di masa depan, yang mana terdapat perbedaan antara nilai estimasi dan aktual dari pembayaran klaim. Untuk mengidentifikasi keakuratan metode Bornhuetter-Ferguson dalam memprediksi nilai cadangan klaim agregat dari data asuransi umum, digunakan ukuran akurasi Mean Average Percentage Error dan Root Mean Square Percentage Error.

Insurance companies carry out claim payments when claims are reported. The claim settlement can be paid in the same year as the reporting year or extended for several development years. For fulfilling claim payments, insurance companies have an obligation to predict accurately the amount of claim reserves to be prepared. The run-off triangle is frequently used to apply various methods of claim reserves calculation, one of which is Bornhuetter-Ferguson method. This scientific report discusses aggregate claim reserves calculation for general insurance products using Bornhuetter-Ferguson method. The claim reserve is the estimated of future claim payment, which has a difference between the estimated and actual value of claim payment. For identifying the accuracy of the Bornhuetter-Ferguson method to predict the aggregate claim reserve of general insurance data, the Mean Average Percentage Error and Root Mean Square Percentage Error are used.