DAFTAR ISI

Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

ANALISIS MODEL RISIKO KOLEKTIF PADA ASURANSI

JIWA KREDIT MENGGUNAKAN MODEL KLAIM
AGREGASI

Riaman, Yusup Supena, Eman Lesmana, F. Sukono, Ridhan Firdaus

Jurusan Matematika FMIPA Universitas Padjadjaran

Jl. Raya Bandung-Sumedang km 21 Jatinangor

ABSTRAK

ANALISIS MODEL RISIKO KOLEKTIF PADA ASURANSI JIWA KREDIT

MENGGUNAKAN MODEL KLAIM AGREGASI. Dalam asuransi jiwa kredit, apabila debitur
meninggal dunia, maka akan dijamin oleh perusahaan asuransi untuk pengembalian sisa kredit yang
belum terlunasi yang telah dikeluarkan oleh bank. Perusahaan asuransi yang menjamin kredit debitur
bank harus memperhatikan dengan sungguh-sungguh risiko yang muncul dari pihak bank selama
periode asuransi karena jika tidak akan menimbulkan risiko kerugian. Pada paper ini, digunakan
Model Risiko Kolektif untuk mengukur risiko perusahaan asuransi dengan cara membentuk model klaim
agregasi dari data besar klaim individual dan jumlah klaim yang terjadi. Kemudian model risiko
kolektif diterapkan pada perusahaan asuransi jiwa dan diperoleh hasil bahwa model klaim agregasi
asuransi jiwa kredit berdistribusi binomial negatif kumpulan. Besarnya risiko yang ditanggung oleh
perusahaan asuransi tergantung pada besarnya klaim individual dan jumlah klaim yang terjadi selama
periode asuransi.

Kata Kunci : asuransi jiwa kredit, risiko, klaim, klaim agregasi, model risiko kolektif

ABSTRACT

COLLECTIVE RISK MODEL ANALYSIS ON CREDIT LIFE INSURANCE USE

AGGREGATION CLAIMED MODEL. In the credit life insurance, Insurance company ensuring that
will be refund the reamaining credit that has been issued by bank if the debitor was died. Insurance
company in ensuring that debitor credit this bank must be keep a close check on risk came out of bank
authority during insurance period because if do nothing it will be raised amount of loss. In this paper,
the Collective Risk Model is used to measure the risk of insurance companies with claims by forming
model claim agregation from individual claim amount and number of claim occurence. Then the
application of the collective risk model conducted in insurance life company Bumiputera and the results
concluded that the aggregate claims model of credit life insurance distributed compound negative
binomial. The amount of risk responsible by the insurance company determinated by individual claim
value and amount of claim during insurance period.

Keywords : credit life insurance, risk, claims, claims aggregation, collective risk model.

1. PENDAHULUAN kegiatan perkreditan. Satu kondisi yang

tidak dapat dipungkiri dan selalu melekat
Kegiatan usaha perbankan secara terus dalam pemberian kredit adalah adanya
menerus selalu berhubungan dengan risiko, sehingga pemberian kredit disebut
berbagai bentuk risiko termasuk dalam juga sebagai penanaman dana dalam bentuk

634
Prosiding Seminar Nasional Sains dan Teknologi Nuklir
PTNBR - BATAN Bandung, 04 Juli 2013
risk assets [10]. Atas pertimbangan itu,
Bank berusaha semaksimal mungkin untuk
memperkecil atau mengurangi risiko dalam
setiap pemberian kredit. Salah satu usaha
bank untuk memperkecil atau mengurangi
risiko adalah dengan cara mengalihkan
resiko tersebut pada pihak lain yaitu
perusahaan asuransi.
Salah satu produk asuransi yang
ditawarkan oleh perusahaan asuransi untuk
menangani risiko yang terjadi dalam
pemberian kredit adalah asuransi jiwa kredit
[8]. Asuransi jiwa kredit adalah asuransi
yang menjamin pengembalian pinjaman
kredit yang telah dikeluarkan oleh para
kreditur yang umumnya adalah bank,
apabila para debitur tersebut mengalami
musibah meninggal dunia. Perusahaan
asuransi akan membayar sisa kredit yang
ada setelah debitur meninggal dunia sesuai
dengan manfaat asuransi yang diterima [9].
Pada asuransi jiwa kredit tugas
perusahaan asuransi adalah mananggung
beban risiko yang dipindahkan oleh bank
kepada perusahaan asuransi berupa
pengembalian pinjaman yang dikeluarkan
oleh bank jika debiturnya meninggal dunia.
Dalam suatu sistem asuransi terjadinya
risiko dari tertanggung dapat memunculkan
klaim. Klaim adalah ganti rugi atas suatu
risiko kerugian.
Sebagai lembaga pengambil alih dan
penerima risiko, perusahaan asuransi
tentunya harus bisa mengantisipasi risiko
jika terjadi banyak klaim, karena jika tidak
akan menimbulkan kerugian yang bisa
membuat perusahaan asuransi tersebut
bangkrut.Dalam pengelolaan risiko,
perusahaan asuransi harus mengetahui
karakter dari risiko tersebut untuk
memprediksi kerugian yang akan terjadi di
masa yang akan datang. Karakter risiko
tersebut dapat dipelajari dalam suatu model
distribusi klaim [7]. Terdapat dua
pendekatan standar untuk membentuk
model distribusi klaim selama periode
asuransi, yaitu model risiko kolektif dan
model risiko individual.
Dalam model risiko kolektif, klaim
yang muncul setiap terjadi risiko disebut
dengan klaim individual, akumulasi dari
635
Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan
klaim-klaim individual selama satu periode
asuransi disebut sebagai klaim agregasi.
Model distribusi klaim agregasi dapat
dibentuk dari model besar dan jumlah klaim
individual, sehingga untuk membentuk
model distribusi klaim agregasi terlebih
dahulu harus ditentukan model distribusi
besar dan jumlah klaim individual [7].
Penelitian mengenai model risiko
kolektif telah banyak dilakuakan antara lain
aplikasi teori risiko kolektif untuk
mengestimasi variabilitas dalam
menentukan cadang kerugian [11], model
risiko kolektif untuk distribusi cadangan
klaim [5], model risiko kolektif untuk
distribusi outstanding cadangan klaim [11]
dan analisis data total klaim untuk
menghitung pure premium asuransi mobil
[6].
Berdasarkan uraian di atas, dalam
penelitian ini penulis mencoba
mengaplikasikan model risiko kolektif
untuk menentukan dan menganalisis
besarnya risiko yang ditanggung oleh
perusahaan asuransi di mana objeknya
adalah asuransi jiwa kredit. Data total klaim
dari perusahaan asuransi jiwa kredit
dianalisis untuk membentuk model
distribusi besar dan jumlah klaim individual
yang selanjutnya akan digunakan dalam
membentuk model klaim agregasi.
2. MODEL RISIKO ASURANSI
Pada awal periode asuransi
perlindungan, insurer tidak mengetahui
berapa banyak klaim yang akan terjadi, dan
jika klaim terjadi, berapa jumlah dari klaim
tersebut. Oleh karena itu, dibutuhkan untuk
membangun suatu model yang memuat
perhitungan dari dua sumber variabilitas.
Untuk model risiko yang bersifat
kolektif, dapat digunakan suatu asumsi
proses acak yang klaimnya berkelanjutan
pada portofolio polis asuransi. Secara
umum dapat diformulasikan dengan :
Misalkan N sebagai jumlah klaim yang
dihasilkan dari portofolio polis yang
diberikan dalam periode waktu tertentu dan
dinotasikan sebagai besar klaim ke 1,
Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

besar klaim ke 2 dan seterusnya, sehingga r : banyaknya parameter

besar klaim kumpulan hanyalah n : besar sampel
penjumlahan dari besar klaim individual,
maka dapat dituliskan sebagai berikut Selanjutnya NLL (Negative Log
Likelihood ) dari setiap fungsi densitas
yang diuji ditambahkan dengan penalty-nya
masing-masing. Fungsi densitas yang
Persamaan (1) merepresentasikan mempunyai score paling kecil adalah fungsi
agregat klaim yang dihasilkan oleh densitas yang dipilih.
portofolio dari periode tersebut.
Nomor/angka klaim N adalah variabel acak
2.1 Transformasi Variabel Acak
dan merupakan kumpulan dari frekuensi
Kontinu dengan Jacobian
klaim. Jumlah individual klaim
adalah variabel acak dan disebut measure Misalkan X adalah variabel acak pada
the severity of claims.[3] ruang sampel  dengan ruang dari X
Dalam membangun suatu model, harus
adalah x.Dengan demikian, fungsi
diawali dengan dua asumsi yang berharga real Y = g(X) yang merupakan
fundamental, yaitu :
fungsi dari X dapat dicari distribusinya
1) variabel acak yang dengan beberapa cara, salah satunya adalah
berdistribusi identik, melalui transformasi variabel acak dengan
2) Variabel acak saling Jacobian [5].
bebas.
Teorema 2.2 :
Alat dasar untuk mengembangkan teori
ini adalah fungsi pembangkit momen [1]. Variabel acak X kontinu pada x
Pada awal periode asuransi dengan fungsi kepadatan peluang di
perlindungan, insurer tidak mengetahui mana . Jika diambil
berapa banyak klaim yang akan terjadi, dan transformasi pada x yang
jika klaim terjadi, berapa jumlah dari klaim bersifat 1-ke-1, maka fungsi kepadatan
tersebut.[2] Oleh karena itu, dibutuhkan peluang variabel Y dapat diperoleh dengan
untuk membangun suatu model yang cara :
memuat perhitungan dari dua sumber
variabilitas.
Untuk model risiko yang bersifat  1  dg 1 ( y ) 
kolektif, dapat digunakan suatu asumsi  f [ g ( y )] , y   Y
f Y ( y)   X  dy 
proses acak yang klaimnya berkelanjutan  0, y yang lainnya
pada portofolio polis asuransi. 
Pengujian dengan Ratio Likelihood
tidak cukup untuk menentukan model (3)
distribusi mana yang paling baik. NLL
setiap fungsi densitas yang diuji harus y = { y, y = g(x) untuk x x }
ditambahkan dengan penalty kemudian
membandingkannya. Metode ini dikenal
dengan Metode Schwartz Bayesian Jika fungsi Y = g(X) tidak bersifat 1-ke-
Criterion (SBC) [4]. 1, maka daerah dungsi Y = g(x) dapat
dipartisi sedemikian sehingga setiap partisi
Besarnya penalty adalah akan tetap berisfat 1-ke-1. Dengan demikian
fungsi kepadatan peluang dari variabel Y
diperoleh dengan cara :

Di mana:

636
Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

  penelitian ini adalah data klaim asuransi

 dgj 1 ( y)  
 1
 , y  Y jiwa kredit perusahaan Asuransi Jiwa
fY ( y)  
 f X [g j ( y)]
 dy  Bumiputera dengan periode waktu 1 Januari
j 1   
  2009 sampai dengan 31 Desember 2011.
 0, y yanglainnya Data klaim asuransi tersebut selanjutnya
(4) dibagi ke dalam 2 kelompok, yaitu data
jumlah terjadinya klaim dan data besarnya
y = { y, y = g(x) untuk x x } nilai klaim. Tabel 1 berikut memaparkan
jumlah terjadinya klaim dan besarnya nilai
klaim yang terjadi, selama periode waktu 1
3. HASIL DAN PEMBAHASAN Januari 2009 sampai dengan 31 Desember
2011.
Data penelitian yang digunakan dalam

Selanjutnya dari data jumlah klaim dan
data besarnya klaim tersebut akan dicari fit
distribution atau model distribusi yang
paling cocok dengan menggunakan
software EasyFit 5.5. dan diuji secara
statistik dengan menggunakan uji goodness
of fit.
Hasil pencocokan kurva disajikan pada
Gambar 1. Hasil dari pencocokan kurva
dengan menggunakan software EasyFit
5.5diperoleh 5 kandidat model distribusi
yang cocok untuk data klaim individual
yaitu distribusi Burr, Pearson 6(4P),
Pearson 6, Log Logistic (3P) dan Pareto 2.
Kandidat-kandidat yang masuk seleksi akan
ditentukan taksiran parameternya secara
parametrik, yaitu dengan menggunakan
metode maksimum likelihood. Taksiran
parameter untuk distribusi yang masuk
seleksi disajikan pada Tabel 2.

Tabel 1. Jumlah Klaim dan Besarnya Klaim Perusahaan Asuransi Jiwa

Tahun Jumlah Klaim Besar Klaim

2009 158 Rp 1.142.932.205,00
2010 237 Rp 572.191.865,00
2011 69 Rp 587.424.411,00

Gambar 1. Perbandingan histogram fungsi densitas dari data klaim dengan kurva
fungsi densitas dari distribusi standar.

637
Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

Tabel 2. Taksiran Parameter 5 Kandidat Distribusi Besar Klaim

No Distribusi Taksiran Parameter

=0,34388
1 Burr q=1,3301
b=14306,0
q1=29,531
q2=0,46089
2 Pearson 6 (4P)
b =403,01
g =-2521,4
q1=1,4928
3 Pearson 6 q2=0,48207
b =10998,0
q =0,70744
4 Log Logistic (3P) b =70897,0
g =354
q =0,50031
5 Pareto 2
b =21448,0

Dari kelima kandidat distribusi tersebut ditentukan. Transformasi yang lazim

selanjutnya akan dibentuk satu distribusi
yang paling cocok untuk besar klaim
agregate. Dalam menganalisis risiko dengan
sebuah model distribusi, bisa dilakukan
melalui fungsi kepadatan peluang (fkp),
fungsi distribusi komulatif, ekspektasi, dan
variansi dari distribusi tersebut, sehingga
taksiran parameter dari distribusi yang
terpilih harus sesuai dengan persyaratan
secara teoritik. Melihat taksiran parameter
dari Tabel 2 semua distribusi yang terpilih
memiliki taksiran parameter yang tidak
sesuai dengan persyaratan secara teoritik
khususnya dalam menentukan ekspektasi
dan variansi. Sebagai contoh, distribusi
Pareto 2, ekspektasi distribusi Pareto 2 ada
hanya untuk , dan variansinya ada
hanya untuk , sedangkan hasil
penaksiran sehingga tidak bisa
ditentukan nilai ekspektasi dan variansinya.
Oleh karena itu, diperlukan teknik statistika
untuk menganalisis data klaim individual
tersebut. Teknik statistika yang digunakan
yaitu, transformasi data.
Transformasi terhadap suatu data
biasanya dilakukan agar data empirik yang
diperoleh dari lapangan sesuai dengan
distribusi teoritik yang ditentukan. Dengan
kata lain, data tersebut memenuhi
persyaratan dari distribusi teoritik yang
digunakan dalam data jumlah klaim
individual adalah fungsi logaritma natural
karena data jumlah klaim individual
tidak mungkin negatif. Hasil dari analisis
data selanjutnya ditansformasikan kembali
ke data awal.
Setelah data ditransformasikan dengan
menggunakan fungsi ln, selanjutnya
histogram fungsi densitas data hasil
transformasi akan dicocokan dengan kurva
fungsi densitas dari distribusi standard.
Hasil pencocokan kurva dengan
menggunakan software EasyFit 5.5
disajikan Gambar 2.
Hasil dari pencocokan kurva diperoleh
8 kandidat model distribusi yang cocok
dengan data transformasi klaim individual,
yaitu distribusi Beta, Burr, Dagum, Gen.
Ekstreme Value, Gen.Logistic, Log-
Gamma, Log-Logistic dan Lognormal.
Selanjutnya model distribusi yang masuk
seleksi akan ditentukan taksiran
parameternya secara parametrik, yaitu
dengan menggunakan metode maksimum
likelihood. Taksiran parameter untuk
distribusi yang masuk seleksi disajikan pada
Tabel 3.

638
Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

Gambar 2. Perbandingan histogram fungsi densitas hasil transformasi data klaim

dengan kurvafungsi densitas dari distribusi standar.

Tabel 3 Taksiran Parameter 8 Kandidat Distribusi Transformasi Data Klaim

Individual
No Distribusi Taksiran Parameter
q1=7,4925
q2=1,1366E+7
1 Beta
a=1,9816
b =4,5154E+6
= 0,59842
2 Burr q =10,858
b = 10,203
k =0,19227
3 Gen. Logistic s =1,272
m =10,986
k =1,5848
4 Dagum q=7,5995
b =10,165
k =0,03447
5 Gen. Extreme Value s =0,8202
m =4,4513
q =55,42
6 Log-Gamma
b =0,02846
q =8,3415
7 Log-Logistic
b =4,8358
s =0,21163
8 Lognormal
m =1,5772

Penentuan model distribusi yang paling
cocok untuk besar klaim individual, untuk
menentukan pilihan fungsi densitas yang
paling tepat dari 8 kandidat tersebut
digunakan uji Kolmogorov-Smirnov dan uji
ratio likelihood untuk menentukan model
distribusi yang paling baik. Berdasarkan
nilai NLL, untuk model distribusi dengan 2
parameter dipilih distribusi Log-Logistic
dan untuk model distribusi dengan 3

639
Prosiding Seminar Nasional Sains dan Teknologi Nuklir
PTNBR - BATAN Bandung, 04 Juli 2013
parameter dipilih distribusi Burr. Agar
model yang dipilih akurat harus
ditambahkan penalty untuk kedua distribusi
tersebut, kemudian memban-dingkannya.
Besarnya penalty adalah , dimana
adalah banyaknya parameter dan adalah
besar sample. Model distribusi dengan
score yang paling kecillah yang paling
cocok dengan data klaim individual yang
ditransformasi. Berdasarkan hasil
transformasi variabel dengan metode
Jacobian diperoleh model yang paling
cocok untuk data klaim individual adalah
model distribusi Burr, dengan parameter =
0,59842,  = 10,858 =10,203.
Nilai ekspektasi dan variansi untuk
distribusi besar klaim individual dapat
diperoleh dengan cara mengeksponenkan
nilai dari ekspektasi dan variansi distribusi
data besar klaim individual yang
ditransformasi karena data besar klaim
individual ditransformasikan dengan fungsi
ln. Nilai ekspektasi dan variansi dari
distribusi besar klaim individual yang
ditransformasi dapat diperoleh sebagai
berikut:
Tabel 4. Jumlah Klaim Tahun 2009-2011
Tahun
2009-2011
Jumlah
640
Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan
Berdasarkan hasil tersebut maka nilai
ekspektasi dan variansi untuk besar klaim
individual adalah sebagai berikut :
Sedangkan jumlah klaim yang terjadi
dalam suatu sistem asuransi merupakan
peristiwa acak yang dapat diprediksikan
melalui distribusi jumlah klaim. Distribusi
jumlah klaim ini ditentukan melalui fungsi
densitas probabilitas dan fungsi densitas
kumulatif. Penentuan model distribusi
jumlah klaim dilihat dari banyaknya klaim
yang terjadi selama tiga tahun terakhir.
Jumlah klaim yang terjadi selama tiga
tahun, yaitu klaim yang terjadi pada tahun
2009 - 2011dapat dilihat pada Tabel 4.
Selanjutnya penentuan model distribusi
jumlah klaim dilakukan dengan
menggunakan software EasyFit 5.5. Hasil
dari pencocokan kurva dapat dilihat pada
Gambar 3. Berdasarkan hasil pencocokan
kurva dengan menggunakan software
EasyFit 5.5 diperoleh 2 kandidat model
distribusi yang cocok untuk jumlah klaim
yaitu distribusi Poisson dan distribusi
Binomial Negatif. Taksiran parameter
dengan menggunakan metode maksimum
likelihood untuk kedua kandidat tersebut
disajikan dalam Tabel 5.
Bulan Frekuensi
1 40
2 30
3 28
4 36
5 38
6 78
7 45
8 40
9 31
10 36
11 32
12 30
464
Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

Tabel 5. Taksiran Parameter 2 Kandidat Distribusi Jumlah Klaim

No Distribusi Taksiran Parameter

1 Poisson
k = 11
2 Binomial Negatif
p = 0,23521

Gambar 3 Perbandingan histogram fungsi distribusi komulatif dari data klaim

dengan kurva fungsi distribusi komulatif dari distribusi standar.

Tabel 6. Nilai Penalty dan Negative Log Likelihood 2 Kandidat Distribusi

Jumlah Klaim Terpilih

Model NLL Penalty Score

Poisson 54,0411 0,646627165 54,68773
Binomial Negatif 47,2259 1,29325433 41,51919

Dalam penentuan model distribusi yang
paling cocok untuk jumlah klaim, dilakukan
dengan uji Kolmogorof-Smirnov dan uji
Ratio Likelihood yang akan digunakan
dalam analisis statistik dengan melakukan
uji Goodness Of Fit. Selanjutnya
dilakukan uji Ratio Likelihood dan
ditambahkan dengan penalty score
untuk melihat distribusi mana yang
paling cocok untuk jumlah klaim, yang
hasilnya disajikan pada tabel berikut ini.
Berdasarkan Tabel 6 terlihat bahwa
distribusi Binomial Negatif merupakan
model distribusi yang memiliki score yang
paling kecil. Jadi, dapat diambil kesimpulan
bahwa model yang paling cocok untuk
jumlah klaim adalah model distribusi
Binomial Negatif dengan parameter k = 11
dan p = 0,23521.
Berdasarkan hasil pengolahan data,
jumlah terjadinya klaim berdistribusi
binomial negatif, sehingga model
distribusi untuk klaim agregate berdistribusi
binomial negatif kumpulan.
Besarnya risiko dengan model risiko
kolektif dalam asuransi dapat dilihat dari
ekspektasi dan variansi klaim agregate.
Untuk menghitung ekspektasi dan variansi

641
Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

klaim agregate yang merupakan risiko dalam menentukan cadangan premi,

asuransi jiwa kredit dengan memasukan cadangan klaim pada perusahaan reasuransi.
nilai serta parameter k =
11 dan p = 0,23521 yang telah ditaksir
sebelumnya, sehingga diperoleh nilai 5. DAFTAR PUSTAKA
sebagai berikut :
1. BOWERS, N., GERBER, H.,
HICKMAN, J., JONES, D., dan
NESBITT, C. 1997. Actuarial
Mathematics. Schaumburg, IL: Society
of Actuaries.
maka nilai ekspektasi dari klaim agregasi 2. DICKSON, DAVID C.M. 2005.
adalah 3.267.240,95 dan Insurence Risk and Ruin. Cambridge :
Cambridge University Press.
3. HAYNE, R. M. 1985. Aplication of
collective risk theory to estimate
variability in loss reserves (online),
(http://www.casact.org/pubs/dpp/dpp88
sehingga diperoleh nilai variansi dari klaim /88dpp275.pdf, diakses 24 Juli 2012)
agregasi adalah: 4. HOGG, R.V, McKEAN, J.W, dan
CRAIG, A.T. 1995. Introduction to
. Mathematical Statistics Sixth Edition,
New Jersey: Percentile Hall.
Berdasarkan nilai tersebut maka dapat 5. IDROES, FERRY N. 2008.
diambil kesimpulan, selama periode Manajemen Risiko Perbankan :
asuransi, rata-rata terjadinya klaim agregasi Pemahaman Pendekatan 3 Pilar
adalah sebesar Rp 3.267.240,95 dengan Kesepakatan Basel II terkait Aplikasi
variansi sebesar Rp . Nilai Regulasi dan Pelaksanaannya di
dari rata-rata dan variansiklaim agregasi ini Indonesia. Jakarta : PT RajaGrafindo
dapat digunakan oleh perusahaan asuransi Persada.
sebagai acuan dalam menentukan cadangan 6. KLUGMAN, S. A., PANJER, H. H.,
premi, cadangan klaim pada perusahaan WILLMOT, G., E. 1990. Loss Models
reasuransi. : from data to decisions. New York :
John Wiley & Sons.
7. MANURUNG, TOHAP. 2011.
4. KESIMPULAN Analisis Data Total Klaim Untuk
Menghitung Pure Premium Asuransi
Berdasarkan hasil pengolahan data, Mobil. Jurnal Ilmiah Vol. 11 No.2.
model klaim agregasi yang terbentuk dari Oktober 2011
distribusi besar klaim individual 8. MUJAHID, ABU. 2007. Pengertian
berdistribusi Burr, sedangkan jumlah klaim Kredit (Online),
individu berdistribusi binomial negative dan (http://isbs.wordpress.com
agregatenya berdistribusi binomial negative /2007/11/13/anuitas-angsuran-
kumpulan. Berdasarkan hasil pengolahan tetap/,diakses 12 Februari 2012)
data besarnya ekspektasi klaim agregasi 9. PRAMESTI, GETUT. 2011.
yang terjadi pada perusahaan asuransi jiwa Distribusi Rayleigh Untuk Klaim
kredit adalah sebesar Rp 3.267.240,95 Agregasi. Media Statistika Vol. 4, No.
dengan variansi sebesar Rp 2. Desember 2011 : 105-112.
. Nilai dari rata-rata dan 10. RAHMAN, HASANUDIN. 1998.
Aspek-Aspek Pemberian Kredit
variansi klaim agregasi ini dapat digunakan
Perbankan Indonesia. Bandung : Citra
oleh perusahaan asuransi sebagai acuan

642
Prosiding Seminar Nasional Sains dan Teknologi Nuklir Tema: Pemanfaatan Sains dan Teknologi Nuklir serta
PTNBR - BATAN Bandung, 04 Juli 2013 peranan MIPA di Bidang Kesehatan, Lingkungan dan
Industri untuk Pembangunan Berkelanjutan

Adtya Bakti. (online).

11. SAVELLI, N., CLEMENTE, G. P. (http://www.ica2010.com/docs/176_PP
2010. A Collective risk model for T_ Savelli. pdf, diakses 24 Juli 2012)
outstanding claims reserve distribution

643