LAPORAN HASIL EKSPLORASI DATA ASURANSI KENDARAAN DAN

PEMBUATAN MATRIKS LOSS PAYMENT BY PERIOD

Dosen pengampu :

Soemartini, Dra., M. Si.

Hasna Afifah Rusyda S. Si., M.Stat.

OLEH

ALMA JUSTICA (141010180002)

PUSPITA ATIKA RANIANTARI (141010180003)
NAUFAL ALIFIO (141010180008)
HANIFUDDIN NURHIDAYAT (141010180014)
SUCI NOPITA ISLAMI (141010180017)
NIKEN HAPSARI AGUSTININGRUM (141010180024)
CHELSEA CAROLINE (141010180028)
HUSNA MAULA ILMI (141010180030)
ALDO RIZKY PARDOMUAN (141010180038)
 KATA PENGANTAR

Segala Puji bagi Tuhan yang Maha Esa atas segala rezeki yang diberikan
kepada kami karena berkat rahmat-Nya kami dapat menyelesaikan laporan ini.
Laporan ini dibuat sebagai pertanggungjawaban atas tugas yang telah
diberikan, dengan harapan kami dapat memahami informasi mengenai data klaim
asuransi. Dalam proses mempelajari materi ini, kami mendapatkan arahan,
bimbingan, koreksi serta saran yang diberikan oleh Ibu Soemartini, Dra., M. Si.,
dan Ibu Hasna Afifah Rusyda S. Si., M.Stat. sehingga kami mengucapkan banyak
terima kasih untuk beliau serta semua pihak yang telah membantu dalam
penyelesaian makalah ini.
Kami sadar bahwa dalam penulisan laporan ini masih terdapat banyak
kekurangan. Oleh sebab itu, kami mohon kritik dan saran yang dapat membangun
kami untuk kedepannya dapat membuat makalah dengan lebih baik. Semoga
laporan ini bermanfaat bagi yang membacanya. Terima kasih.

Jatinangor, 9 Agustus 2019

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR .................................................................................................................................... i

DAFTAR ISI.................................................................................................................................................. ii
BAB I .............................................................................................................................................................. 3
PENDAHULUAN ........................................................................................................................................ 3
1.1 Latar Belakang ............................................................................................................................ 3
1.2 Rumusan Masalah ...................................................................................................................... 3
1.3 Tujuan ............................................................................................................................................. 3
BAB II ............................................................................................................................................................. 5
PEMBAHASAN ........................................................................................................................................... 5
2.1 Proses Cleaning Data ................................................................................................................ 5
2.2 Menghimpun data Outstanding Claim Reserve ............................................................... 8
2.3 Analisis Data................................................................................................................................. 3
BAB III ........................................................................................................................................................... 6
PENUTUP ..................................................................................................................................................... 6

ii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Magang tematik junior level merupakan bagian dari penerapan ilmu yang
telah dipelajari di program studi Ilmu Aktuaria di Universitas Padjadjaran. Kegiatan
ini mempelajari cara melakukan cleaning data, membentuk matriks loss payment
by period dan lain-lain yang berhubungan dengan analisis data untuk dilaporkan.
Analisis data dapat dilakukan secara deskriptif. Analisis Data Deskriptif
berarti menginterpretasikan data melalui grafik juga sari numerik yang berisikan
informasi mengenai data yang telah diolah sehingga dapat dimengerti. Pada magang
tematik kali ini kami membentuk matriks loss payment by period dengan acuan data
Incurred but not Reported (IBNR) dan Reported but not Settled (RBNS).
Dalam dunia asuransi, Incurred but not Reported (IBNR) adalah
tanggungan yang dimiliki perusahaan kepada nasabah yang memiliki hak klaim
tetapi belum melaporkannya. Sedangkan Reported but not Settled (RBNS)
merupakan klaim yang sudah terjadi namun masih dalam proses persetujuan.

1.2 Rumusan Masalah

1. Bagaimana menyelidiki Data yang diberikan oleh PT Asuransi Kredit
Indonesia
2. Bagaimana mengolah data berdasarkan metode IBNR
3. Bagaimana mengolah data berdasarkan metode RBNS
4. Bagaimana membentuk matriks Loss Payment by Development period
(tahunan, semesteran, dan kuartalan) berdasarkan data IBNR dan/ atau RBNS.

1.3 Tujuan
1. Menentukan data valid berdasarkan asumsi-asumsi yang digunakan
2. Dapat mengolah data berdasarkan metode IBNR
3. Dapat mengolah data berdasarkan metode RBNS

3
4. Mampu mendeskripsikan matriks Loss Payment by Development period
secara tahunan, semesteran, dan kuartalan berdasarkan data IBNR dan/ atau
RBNS.
5. Dapat menyajikan dan menginterpretasikan data yang telah diolah.

4
 BAB II
PEMBAHASAN
2.1 Proses Cleaning Data
Cleaning data adalah proses analisa kualitas dari suatu data dengan cara
mengubah, mengoreksi, atau menghapus data-data yang kurang akurat sehingga
menghasilkan data yang kredibel. Data yang kami analisa merupakan data klaim
polis asuransi kendaraan. Secara total terdapat 528 kejadian klaim yang terjadi sejak
bulan Januari 2011 hingga Desember 2014, namun kami harus mengkomparasikan
data tersebut dengan fakta yang sesuai dengan mekanisme pengajuan klaim
asuransi.
Langkah pertama yang kami lakukan adalah mengeliminasi kejadian-
kejadian yang janggal pada data tersebut. Kriteria pertama kami adalah tanggal
penerbitan polis tidak lebih dulu dari tanggal awal proteksi. Dari data yang kami
miliki terdapat 65 kejadian tidak memenuhi kriteria.

Tanggal awal lebih dulu atau sama dengan tanggal polis

FALSE

Tanggal Awal Tanggal Polis Tanggal Awal <= Tanggal Polis

7/2/2011 7/1/2011 FALSE

7/16/2011 7/15/2011 FALSE
6/15/2012 6/14/2012 FALSE
2/4/2012 2/1/2012 FALSE
2/4/2012 2/1/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/10/2012 3/9/2012 FALSE
3/10/2012 3/9/2012 FALSE
1/24/2012 1/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
11/28/2011 11/25/2011 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
5/13/2012 5/11/2012 FALSE
2/4/2012 2/1/2012 FALSE
6/15/2012 6/14/2012 FALSE
11/19/2011 11/18/2011 FALSE

5
3/17/2012 3/16/2012 FALSE
6/19/2012 6/18/2012 FALSE
2/4/2012 2/1/2012 FALSE
3/17/2012 3/16/2012 FALSE
10/12/2011 10/10/2011 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
2/4/2012 2/1/2012 FALSE
11/30/2011 11/28/2011 FALSE
3/10/2012 3/9/2012 FALSE
3/17/2012 3/16/2012 FALSE
11/19/2011 11/18/2011 FALSE
3/17/2012 3/16/2012 FALSE
11/19/2011 11/18/2011 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/10/2012 3/9/2012 FALSE
3/17/2012 3/16/2012 FALSE
6/28/2012 6/27/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/17/2012 3/16/2012 FALSE
3/24/2012 3/23/2012 FALSE
4/16/2012 4/13/2012 FALSE
3/17/2012 3/16/2012 FALSE
6/15/2012 6/14/2012 FALSE
3/17/2012 3/16/2012 FALSE
5/23/2012 5/22/2012 FALSE
11/8/2012 11/7/2012 FALSE
12/28/2012 12/14/2012 FALSE
1/24/2013 1/18/2013 FALSE
10/31/2012 10/29/2012 FALSE
6/15/2012 6/14/2012 FALSE
3/17/2013 3/15/2013 FALSE
5/28/2013 5/27/2013 FALSE
1/24/2013 1/18/2013 FALSE
6/15/2012 6/14/2012 FALSE
7/30/2013 7/29/2013 FALSE
1/24/2013 1/18/2013 FALSE

6
 5/28/2013 5/27/2013 FALSE
6/15/2012 6/14/2012 FALSE
6/15/2012 6/14/2012 FALSE
11/12/2013 11/11/2013 FALSE
10/20/2014 10/17/2014 FALSE

Kriteria yang kedua setelah proses penyortiran pertama adalah klaim

asuransi harus dilakukan setelah nasabah diproteksi. Dalam arti lain tanggal
pengajuan klaim harus sesudah tanggal awal proteksi. 3 kejadian tidak memenuhi
kriteria tersebut maka kejadian-kejadian tersebut dieliminasi dari data kami.
Sehingga menyisakan 460 kejadian.

Tanggal awal lebih dulu dari tanggal klaim

FALSE

Tanggal Awal Tanggal klaim Tanggal Awal ≤ Tanggal Klaim

4/13/2012 1/2/2012 FALSE
12/21/2012 1/18/2012 FALSE
6/15/2012 2/13/2012 FALSE
6/13/2013 2/8/2013 FALSE

Setelah dilakukan penyortiran kedua maka data harus memenuhi kriteria

ketiga yaitu tanggal pengajuan klaim harus sebelum tanggal klaim disetujui. Dari
penyortiran ini jumlah kejadian yang janggal sebanyak 5 kejadian yang kemudian
dieliminasi dan menyisakan 455 kejadian yang memenuhi ketiga kriteria.

Nilai klaim lebih besar atau sama dengan nilai klaim yang disetujui
FALSE
Nilai Klaim yang Nilai klaim disetujui ≤ Nilai
Nilai Klaim
disetujui Klaim
Rp 7,449,000.00 Rp 7,499,000.00 FALSE
Rp 7,645,800.00 Rp 9,469,500.00 FALSE
Rp 16,529,250.00 Rp 16,929,250.00 FALSE

7
 Rp 16,331,965.00 Rp 16,731,965.00 FALSE
Rp 10,968,055.00 Rp 11,568,055.00 FALSE

Tahap penyortiran selanjutnya adalah data harus memenuhi kriteria bahwa

nilai klaim yang disetujui perusahaan harus lebih kecil atau sama dengan nilai klaim
yang diajukan. Dari kriteria tersebut ditemukan sebanyak 5 kejadian tidak
memenuhi kualifikasi, sehingga setelah dieliminasi data yang tersisa adalah
sebanyak 450 kejadian.

Nilai klaim lebih besar atau sama dengan nilai klaim yang disetujui
FALSE
Nilai Klaim yang Nilai klaim disetujui ≤Nilai
Nilai Klaim
disetujui Klaim
Rp 7,449,000.00 Rp 7,499,000.00 FALSE
Rp 7,645,800.00 Rp 9,469,500.00 FALSE
Rp 16,529,250.00 Rp 16,929,250.00 FALSE
Rp 16,331,965.00 Rp 16,731,965.00 FALSE
Rp 10,968,055.00 Rp 11,568,055.00 FALSE

Kriteria terakhir agar data dapat memenuhi kualifikasi kami adalah nilai
pertanggungan harus lebih besar atau sama dengan nilai klaim yang diajukan.
Setelah diteliti, tidak ada kejadian yang nilai klaim yang diajukannya lebih besar
dari nilai pertanggungan. Sehingga didapatkan 450 kejadian sebagai data yang
memnuhi kualifikasi kami untuk diolah.

2.2 Menghimpun data Outstanding Claim Reserve

Industri asuransi semakin berkembang dari tahun ke tahun. Ini bisa
digambarkan dengan semakin banyaknya orang yang tertarik untuk membeli
produk berupa jasa yang ditawarkan oleh suatu perusahaan asuransi. Dengan
membayarkan sejumlah uang yang disebut premi, risiko kerugian yang mungkin
dapat timbul dari nasabah pada waktu mendatang telah ditanggung oleh perusahaan
asuransi tersebut sesuai dengan polis yang berlaku. Perusahaan asuransi wajib
mempersiapkan dana siap pakai secara tepat untuk menutupi pengeluaran oleh
klaim yang terjadi pada periode ke depan. Dana inilah yang disebut sebagai
cadangan klaim.

8
 Pembayaran klaim mungkin dilakukan tidak lama setelah klaim dilaporkan,
namun pada beberapa jenis asuransi, terkadang pembayaran klaimnya
membutuhkan waktu yang cukup lama diukur dari saat terjadinya klaim. Hubungan
antara waktu kejadian dan penundaan terkait klaim ini dikenal dengan istilah
outstanding claims. Ada dua jenis outstanding claims, yaitu Incurred but Not
Reported (IBNR) yaitu peristiwa yang telah terjadi tetapi belum dilaporkan ke
perusahaan asuransi dan Reported but Not Settled (RBNS) yaitu peristiwa yang
telah dilaporkan namun pembayarannya belum terselesaikan (Hossack, 1999).
Data yang kami himpun merupakan data RBNS. Kami tidak dapat
menyajikan data IBNR karena di dalam data yang kami peroleh tidak terdapat data
tanggal kejadian. Data RBNS kami peroleh berdasarkan kejadian tanggal klaim &
tanggal klaim settled serta besarnya nilai klaim settled. Berikut kami lampirkan data
RBNS berdasarkan periodenya:

1. Data RBNS Tahunan

Jumlah nilai klaim yang disetujui
Accident
Development Year
Year
0 1 2 3 4
2012 Rp812.088.658 Rp161.699.700 0 0 0
2013 Rp1.159.375.830 Rp51.281.580 0 0
2014 Rp997.114.052 Rp10.925.000 0

Frekuensi kejadian

Accident
Development Year
Year
0 1 2 3 4
2012 130 13 0 0 0
2013 162 10 0 0
2014 134 1 0

9
 2. Data RBNS Semesteran

Jumlah nilai klaim yang disetujui

Periode kejadian
Development Semesteran (Tahun 2012)
dalam semsteran
0 1 2 3
Jan-Jun Rp307.079.567 Rp26.843.400 0 0
Jun-Dec Rp478.165.691 Rp161.699.700 0

Periode kejadian
Development Semesteran (Tahun 2013)
dalam semsteran
0 1 2 3
Jan-Jun Rp81.888.280,00 0 0
Rp485.993.404,00
Jun-Dec Rp51.281.580,00 0
Rp591.494.146,00

Periode kejadian
Development Semesteran (Tahun 2014)
dalam semsteran

0 1 2 3
Jan-Jun Rp17.689.225,00 0 0
Rp493.948.410,00
Jun-Dec Rp10.925.000,00 0
Rp485.476.417,00

Frekuensi kejadian
Periode
kejadian
Development Semesteran (Tahun 2012)
dalam
semsteran
0 1 2 3
Jan-Jun 61 4 0 0
Jun-Dec 65 13 0

Periode
kejadian
Development Semesteran (Tahun 2013)
dalam
semsteran
0 1 2 3
Jan-Jun 64 12 0 0
Jun-Dec 86 10 0

10
 Periode
kejadian
Development Semesteran (Tahun 2014)
dalam
semsteran
0 1 2 3
Jan-Jun 70 4 0 0
Jun-Dec 60 1 0

3. Data RBNS Kuartalan

Jumlah nilai klaim yang disetujui
Periode kejadian
Development Kuartalan (Tahun 2012)
dalam kuartalan
0 1 2 3 4
Rp241.212.557 Rp192.993.965 0 0 0
2012 kuartal 2 Rp145.960.010 Rp140.929.002 0 0
2012 kuartal 3 Rp154.628.159 Rp290.771.291 Rp290.771.291
2012 kuartal 4 Rp187.394.400 Rp349.094.100

Periode kejadian
Development Kuartalan (Tahun 2013)
dalam kuartalan
0 1 2 3 4
2013 kuartal 1 Rp241.212.557 Rp284.955.119 0 0 0
2013 kuartal 2 Rp145.960.010 Rp282.926.565 0 0
2013 kuartal 3 Rp154.628.159 Rp280.230.031 Rp280.230.031
2013 kuartal 4 Rp311.264.115 Rp362.545.695

Periode kejadian
Development Kuartalan (Tahun 2014)
dalam kuartalan
0 1 2 3 4
2014 kuartal 1 Rp241.212.557 Rp347.988.400 0 0 0
2014 kuartal 2 Rp145.960.010 Rp163.649.235 0 0
2014 kuartal 3 Rp154.628.159 Rp196.704.067 Rp207.629.067
2014 kuartal 4 Rp288.772.350

11
Frekuensi kejadian

Periode kejadian dalam kuartalan Development Kuartalan (Tahun 2012)

0 1 2 3 4
2012 kuartal 1 34 4 0 0 0
2012 kuartal 2 23 4 0 0
2012 kuartal 3 26 11 0
2012 kuartal 4 28 13

Periode kejadian dalam kuartalan Development Kuartalan (Tahun 2013)

0 1 2 3 4
2013 kuartal 1 29 8 0 0 0
2013 kuartal 2 27 12 0 0
2013 kuartal 3 25 12 0
2013 kuartal 4 49 10

Periode kejadian dalam kuartalan Development Kuartalan (Tahun 2014)

0 1 2 3 4
2014 kuartal 1 34 7 0 0 0
2014 kuartal 2 29 4 0 0
2014 kuartal 3 23 4 1
2014 kuartal 4 33 0

2
 2.3 Analisis Data
1. Analisis Data Deskriptif
Dari data di atas, kejadian terbanyak terjadi di kuartal keempat tahun 2013
dengan 59 kejadian klaim yang tercatat. Selain itu, tahun 2013 juga mencatatkan
rata-rata nilai klaim settled terbesar sebanyak Rp 7.147.920 dengan total 172
kejadian. Secara keseluruhan klaim disebabkan oleh peristiwa tabrakan yang terjadi
lebih dari 300 kali selama periode pencatatan itu. Hal ini dapat ditunjukan pada
gambar 1.

(gambar 1)

(gambar 2)

3
Grafik pada gambar 2 di atas menunjukkan bahwa nilai klaim yang disetujui
cenderung lebih rendah daripada nilai klaim yang diajukan.

(gambar 3)

Kesigapan perusahaan asuransi

dalam merespon klaim cukup responsif
dengan rata-rata jarak antara tanggal klaim
& tanggal klaim settled berada di kisaran 17
hari. Respon tercepat tercatat satu hari
setelah tanggal klaim, sementara itu respon
terlama berada 179 hari setelah tanggal
klaim.

4
3 Model Regresi Linear Sederhana
Selain analisis data secara deskriptif, kami pun mencoba untuk
membuat model regresi linear sederhana dengan mengacu pada persamaan
sebagai berikut:

Y = β0 + β1 x1

Y : Nilai klaim yang disetujui

X : Nilai klaim
Namun terdapat error yang disebabkan oleh besarnya selisih nilai
klaim & nilai klaim yang disetujui sehingga model regresi linear sederhana
bukanlah model yang tepat.
Polis dengan nilai klaim sama dengan nilai pertanggungan

Nilai Nilai Klaim yang

Nomor Polis Nilai Klaim
Pertanggungan di setujui

010321211213001600 Rp112.000.000 Rp112.000.000 Rp3.696.750

010321210714001900 Rp97.200.000 Rp97.200.000 Rp5.790.850

5
 BAB III
PENUTUP

Dari 528 data ternyata hanya 450 data yang memenuhi kualifikasi setelah
dilakukan proses cleaning data. Kriteria yang kami pakai untuk mengeliminasi data
yang tidak valid antara lain:
1. Tanggal awal yang harus lebih dulu atau sama dengan tanggal polis
2. Tanggal awal yang harus lebih dulu dari tangal klaim
3. Nilai klaim yang disetujui lebih kecil atau sama dengan nilai klaim
4. Tanggal klaim harus lebih dulu atau sama dengan tanggal klaim settled
5. Nilai pertanggungan harus lebih besar atau sama dengan nilai klaim

Setelah melakukan proses cleaning data, kami menghimpun data

Outstanding claim reserve. Data yang kami gunakan adalah data RBNS (Reported
But Not Settled). Data RBNS berdasarkan kejadian tanggal klaim & tanggal klaim
settled serta besarnya nilai klaim settled. Kemudian, dari data tersebut kami
melakukan analisis data deskriptif yaitu, kejadian terbanyak terjadi di kuartal
keempat tahun 2013 dengan 59 kejadian klaim yang tercatat. Selain itu, tahun 2013
juga mencatatkan rata-rata nilai klaim settled terbesar sebanyak Rp 7.147.920
dengan total 172 kejadian. Secara keseluruhan klaim disebabkan oleh peristiwa
tabrakan yang terjadi lebih dari 300 kali selama periode pencatatan itu. kesigapan
perusahaan asuransi dalam merespon klaim cukup responsif dengan rata-rata jarak
antara tanggal klaim & tanggal klaim settled berada di kisaran 17 hari, sementara
yang terlama 179 hari.