Pemodelan Frekuensi Klaim Asuransi Kendaraan Menggunakan Model Zero Inflated Negative Binomial

Abstract

Pemodelan frekuensi klaim asuransi kendaraan dilakukan untuk mendukung penetapan premi dan pengelolaan risiko yang lebih akurat. Penelitian ini berfokus pada data frekuensi klaim asuransi kendaraan yang memiliki permasalahan zero inflation dan overdispersi. Data yang digunakan berasal dari Kaggle dengan judul “3-Year Non-Life Motor Insurance Dataset” yang terdiri dari 6661 polis asuransi kendaraan Spanyol pada tahun 2016 hingga 2017. Analisis dilakukan menggunakan model Zero Inflated Negative Binomial (ZINB). Hasil penelitian menunjukkan bahwa model ZINB adalah model terbaik dibandingkan dengan model binomial negatif berdasarkan nilai AIC dan MAE yang lebih kecil. Variabel signifikan yang memengaruhi frekuensi klaim adalah umur pemegang polis, kapasitas mesin, daya kendaraan, dan premi, sementara nilai kendaraan memengaruhi peluang tidak mengajukan klaim. Hasil penelitian ini diharapkan dapat membantu perusahaan asuransi dalam memahami risiko klaim serta mendukung penetapan premi dan pengelolaan risiko.