Anda di halaman 1dari 3

Abstrak.

Studi ini menerapkan Bayesian Inference untuk memperkirakan risiko banjir untuk 53 daerah
cincin tanggul di Belanda, dan berfokus terutama pada kelangkaan data dan perilaku ekstrem risiko
bencana. Kurva densitas probabilitas kerusakan banjir diperkirakan melalui simulasi Monte Carlo.
Berdasarkan hasil ini, premi asuransi banjir adalah diperkirakan menggunakan dua metode praktis
berbeda yang masing-masing akun dengan cara yang berbeda untuk keengganan risiko entitas asuransi
dan tingkat dispersi data kerugian. Studi ini memiliki relevansi praktis karena perusahaan asuransi telah
mempertimbangkan pengenalan asuransi banjir di Belanda, yang saat ini tidak tersedia secara umum.

Pendahuluan.
Potensi dampak banjir di Belanda besar karena nilai tinggi aset ekonomi dan banyak orang terletak di
dataran rendah yang terkena banjir (Klijn et al., 2007; Aerts and Botzen, 2011; de Moel dan Aerts, 2011).
Meskipun standar perlindungan banjir tinggi, risiko banjir baru strategi manajemen saat ini sedang
dibahas untuk mengakomodasi tren yang diproyeksikan yang meningkatkan risiko banjir, seperti sebagai
perubahan iklim dan pertumbuhan sosial ekonomi (Kabat et al., 2005). Contohnya adalah asuransi
banjir, dan karena risiko banjir umumnya tidak ditanggung oleh asuransi di Belanda, pertanyaan telah
diajukan di antara perusahaan asuransi dan pembuat kebijakan apakah asuransi banjir layak atau tidak
(Botzen dan van den Bergh, 2008). Salah satu masalah yang terkait dengan asuransi banjir di Belanda
adalah ketidakpastian terkait dengan kedua kemungkinan dan konsekuensi dari banjir ekstrem
(probabilitas rendah) Peristiwa (Froot, 2001).
Penanggung enggan menawarkan asuransi cakupan untuk risiko yang ambigu, dan yang premi yang
cukup akurat tidak dapat dinilai melalui perhitungan aktuaria (Jaffee dan Russell, 1997; Kunreuther dan
Michel-Kerjan, 2007). Selain itu, perusahaan asuransi enggan mengambil risiko risiko bencana, yang
menyiratkan bahwa mereka menolak cakupan atau hanya bersedia menawarkan asuransi bencana jika
premium cukup di atas kerugian yang diharapkan (Duncan dan Myers, 2000). Metode dan alat statistik
standar untuk risiko banjir estimasi menggunakan data historis dan informasi empiris lainnya (Behrens
et al., 2004). Ini seringkali sulit karena kekurangan data empiris, dan data kerugian terbatas yang
tersedia tidak selalu dapat diandalkan dan konsisten, sehingga mereka tidak akurat mewakili kerusakan
aktual (Grossi dan Kunreuther, 2005).
Beberapa studi telah menerapkan penilaian banjir dan model hidrologi untuk memperkirakan kerusakan
banjir di masa depan dan kerusakannya probabilitas untuk Belanda (Vrijling, 2001; Jonkman et al., 2003,
2008; Van der Most dan Wehrung, 2005; Bouwer et al., 2010). Dua studi yang relevan adalah "Veiligheid
Belanda di Kaart ”(VNK), juga dikenal sebagai FLORIS studi (TAW, 2000; Wouters, 2005) dan "Aandacht
voor Veiligheid" (AVV) (Aerts et al., 2008; Aerts dan Botzen, 2011). Kedua studi menyediakan perkiraan
banjir saat ini dan masa depan probabilitas dan kerusakan di bawah berbagai skenario iklim perubahan
dan perkembangan ekonomi. Kekurangan ini Studi menunjukkan bahwa mereka hanya menyediakan
estimasi banjir saja probabilitas dan potensi kerusakan akibat banjir, dan tidak lengkap fungsi kepadatan
probabilitas kerusakan. Apalagi karena Kejadian ekstrem seperti kerusakan akibat bencana umumnya
terjadi proses distribusi asimetris dengan ekor kanan yang gemuk kerugian yang terletak di bagian ini
dari distribusi kerusakan perlu dimasukkan dalam estimasi risiko dan premi asuransi.

Perkiraan risiko rata-rata dari proyek VNK dan AVV mungkin karena itu mengarah pada bias "ke atas"
atau "ke bawah" estimasi risiko dan premi. Sebagai risiko bencana umumnya diasumsikan mengikuti
proses distribusi lemak-ekor, dan risiko Estimasi harus bergantung pada data empiris yang terbatas, itu
penting untuk mempertimbangkan kedua aspek ini dalam penilaian risiko proses. Bayesian Inference (BI)
adalah alat statistik yang berguna untuk menilai risiko, terutama dalam aplikasi dengan kurangnya
informasi historis tentang risiko, seperti halnya probabilitas rendah banjir di Belanda (Coles dan Powell,
1996; Cooley et al., 2007). BI dapat digunakan untuk memperbarui estimasi probabilitas untuk sebuah
hipotesis ("kepercayaan sebelumnya", yaitu berdasarkan AVV banjir informasi risiko) dengan informasi
empiris tambahan ( "Kemungkinan", yaitu berdasarkan pada informasi risiko banjir VNK), terutama
ketika tidak dapat diandalkan untuk membuat inferensi statistik hanya berdasarkan pada sejumlah kecil
data homogen, seperti baik informasi risiko banjir VNK atau AVV. Hasil yang diperbarui (statistik
posterior) dapat digunakan untuk mensimulasikan bahaya peristiwa dan sesuai distribusi risiko, yaitu
untuk memperkirakan fungsi kepadatan probabilitas baru untuk kerusakan banjir. Metode BI digunakan
dalam penelitian ini membahas kelangkaan data dan memberikan wawasan menjadi ketidakpastian
dalam perkiraan kerusakan banjir.

Di bawah asumsi bahwa risiko banjir mengikuti Pareto

distribusi dengan ekor gemuk yang tepat, penelitian ini bertujuan untuk diterapkan

Teknik Bayesian menggabungkan data VNK dan AVV ke

memperkirakan parameter ekor dari distribusi kerusakan banjir.

Pada fase pertama, parameter ekor untuk kerusakan banjir diperkirakan menggunakan BI, di mana
keyakinan sebelumnya diasumsikan

berasal dari konjugat Gamma 1

keluarga sementara pengamatan diasumsikan mengikuti distribusi Pareto. Selanjutnya, pada fase kedua,
kerusakan banjir disimulasikan

berdasarkan pada parameter ekor yang diestimasi, dan fungsi kepadatan probabilitas yang sesuai
dipasang untuk semua 53 area di

Belanda yang terkena banjir (“tanggul cincin

area ”). Kunreuther et al. (2009) mengusulkan bahwa premi itu

mencerminkan risiko adalah kondisi penting untuk merancang sistem asuransi bencana alam yang layak
secara finansial dan

memberikan insentif yang memadai untuk mitigasi risiko. Meskipun

kami menyadari bahwa premi asuransi banjir dalam praktiknya mungkin tidak

dibedakan sepenuhnya sehubungan dengan risiko banjir, analisis kami

memberikan wawasan tentang tingkat premi asuransi banjir

seolah-olah kondisi premi berbasis risiko diterapkan di

Belanda. Menggunakan informasi kerugian yang berasal dari

simulasi kerusakan dan fungsi kepadatan, premi asuransi berbasis risiko (Aktuaria-kesetaraan (jumlah
AE)) akan

diperkirakan untuk semua 53 area cincin tanggul.