Perhitungan ukuran risiko untuk kerugian model agregat

Yang dicari diakhir malah Nilai premi dan nilai var dan CTE

ABSTRAK

Pada kasus asuransi kerugian : perusahaan asuransi sangat berisiko mengalami kerugian jika
klaim yang diajukan nasabah > cadangan klaim yang sudah ada. Jadi perusahaan harus
mengelola risiko tersebut dengan baik.

SALAH SATU KERUGIAN YANG AKAN TERJADI YAITU MODEL KERUGIAN YANG
AGREGAT.

TUJUAN PENELITIAN

Dari model kerugian agregat nanti digunakan untuk menentukan ukuran risiko SDPP
(STANDAR DEVIASI PREMIUM PRINCIPLE), VAR (VALUE AT RISK), DAN CTE
(CONDITIONAL TAIL EXPETACITION)

1. SDPP : Dihitung secara analitik dengan mensubtitusikan ekspetasi dan variannya

2. VAR : Dihitungnya atau ditentukan menggunakan metode numerik yang dipakai metode
MONTE CARLO setelah itu diestimasi atau dievaluasi nilai kuantil beserta selang
kepercayaaannnya untuk nilai kuantil sebenarnya.

3. CTE : Dari data kerugian yang didapat dari MONTE CARLO tadi diestimasi nilai CTE nya
dengan cara menghitung rata rata kerugian yang melebihi VAR.

JIKA UKURAN DATA CUKUP BESAR MAKA ESTIMASI CTE akan KONVERGEN
(MEMUSAT) KE NILAI SEBENARNYA

PENDAHULUAN

Jika dalam perusahaan asuransi mendapati klaim > cadangan klaim artinya potensi ini adalah
risiko yang harus dikelola oleh perusahaan agar tidak mengalami kerugian.

Risiko = diasumsikan variable acak klaim yang memiliki distribusi -> sehingga
perhitungannya berhubungan dengan peluang
MODEL KERUGIAN AGREGAT = MODEL INI MERUPAKAN VARIABLE ACAK
YANG MENYATAKAN TOTAL SEMUA KERUGIAN YANG TERJADI DALAM SATU
BAGIAN PENUH POLIS ASURANSI YANG SAMA.

Kerugian agregat ini dapat dimodelkan menggunakan pendekatan risiko kolektif

Model kerugian agregat dimodelkan dengan menggunakan PENDEKATAN RISIKO

KOLEKTIF diamana Banyaknya klaim merupakan variable acak diskrit (PADA
PENELITIAN MENGGGUANAKAN VARIABEL ACAK BERDISTRIBUSI POISSON
DAN BINOMIAL NEGATIF) dan besarnya klaim merupakan variable acak kontinu
(DENGAN VARIABEL ACAK BERDISTRIBUSI GAMMA, PARETO DAN
EXPONENTIAL)

MODEL KERUGIAN AGREGAT DAPAT DIUKUR SEVARA ANALITIK

MENGUNAKKAN UKURAN RISIKO SDPP

KEMUDIAN DIUKUR SECARA NUMERIK MENGGUNAKAN METODE MONTE CARLO

UNTUK MENENTUKAN UKURAN RISIKONYA (VAR,CTE)

TINJAUAN PUSTAKA

1. MODEL KERUGIAN AGREGAT

Mempresentasikan pemberian benefit atas sekumpulan kerugian dalam satu polis. Yang nantinya
menggunakan pendekatan risiko kolektif.

MODEL RISIKO KOLEKTIF NOTASINYA (S) = Variabel Acak Yang Menyatakan Total
Dari Sejumlah Kerugian Atas Banyaknya Kklaim Yang Diajukan Oleh Nasabah Dan Besarnya
Klaim Berdistribusi Identik Dan Independen(Mempengaruhi) Atau Bebas (BERDISTRIBUSI
I.I.D = independent and identically distributed)

SYARAT DISTRIBUSI IID = Jika Unit-Unit Variabel Acak Tersebut Mmemiliki Distribusi
Probabilitas Yang Sama Dalam SetiaP Distribusi Lainnya Dan Sepenuhnya Bebas Satu Sama
Lain

TAMBAHAN KETERANGAN :
Dalam teori statistik, pengamatan secara umum dan sifat datanya dapat dibagi menjadi 2 macam,
yaitu :

1. Independent and identically distributed (iid) adalah pengamatan yang satu dengan lainnya
bebas, sehingga datanya membentuk suatu sebaran data acak.
2. Dependence adalah antara pengamatan yang satu dengan lainnya terdapat korelasi.

Model yang digunakan pada iid adalah :

a. Urutan roda putar roulette
b. Urutan dari pelemparan dadu
c. Urutan dari pelemparan koin
d. white noise merupakan contoh sederhana dari penerapan iid
e. Proses Levy
Sedangkan pada kenyataannya antara pengamatan yang satu dengan lainnya tidak dapat
dianggap saling bebas karena biasanya ada hubungannya. Hal tersebut menyebabkan
model statistik dependence lebih realistik.

CONTOH :

Dimissalkan N = Variabel Acak diskrit yang menyatakan banyaknya klaim dan Xi dengan i= 1,2,
sd N yang merupakan variable acak kontinu menyatakan besarnya klaim dan model risiko
kolektif dinyatakan dengan (S) sehingga rumusnya :

S = X1 +X2 +…. +XN

2. METODE MONTE CARLO

Tidak semua msalah yang timbul dalam memodelkan kerugian dapat diselesaikan secara analitik
saja, tetapi dapat diselesaikan menggunakan metode numerik dan memang seharusnya seperti
ini.

JIKA SUATU METODE YANG MELIBATKAN PENGAMBILAN SAMPEL

PENGAMATAN SECARA ACAK SESUAI DENGAN DISTRIBUSI YANG DIBUTUHKAN
INI BIAS DISEBUT DENGAN METODE MONTE CARLO.

Metode monte carlo merupakan metode termudah yang dapat digunakan untuk menghitung
kerugian agregat karena memiliki algoritma yang sederhana.

Metode Monte Carlo digunakn untuk mendapatkan sampel terurut dari model kerugia agregaat
(S) (s kecil) s1,s2,….,sk (k=banyaknya data yang akan dibangkitkan)
Sehingga algoritma yang dimaksud dari metode Monte Carlo dapat dituliskan sbb:

- Menentukan k sebagi urutan data yang akan dibangkitkan

- Membangkitkan banyaknya kejadian N yang merupakan variable acak diskrit dari
banyakny klaim N=Nv dengan v=1,2…,k berdasarkan distribusi banyaknya klaim
- Membangkitkan severity independent X1v , X2v,….xNVv berdasarkan distribusi besar
klaim
- Mneghiutng sv dengan cara menjumlahkan Xiv dengan batas atas nv dan batas bawahnya
i=1 dari masing masing banyaknya kejadian.

3. STANDAR DEVIASI PREMIUM PRINCIPLE (SDPP)

Pengukuran risiko secara sederhana dengan analitik yang dapat digunakann untuk
mengukur kerugian berdasarkan simpangan bakunya disebut ukuran risiko SDPP.

SDPP DIDEFENISIKAN SBB:

SD ( X )=E ( X ) + g √ ¿

g = loading factor yang proporsional dengan simpangan baku g>0

SEHINGGA DISTRIBUSI KERUGIAN DENGAN SIPANGAN BAKU YANG BESAR

AKAN MEMILIKI RISIKO YANG LEBIH TINGGI

4. VALUE AT RISK

Pengukuran risiko yang standar yang biasa digunakan untuk mengukur risiko
adalah var. VAR mengukur suatu risiko dengan tingkat kepercayaan yang tinggi sehingga
secara teknik suatu perusahaan tidak memmungkinkan mengalami kebangkrutan.

VAR DISEBUT JUGA QUANTILE RISK MEASURE Karwna pengukurannya

menggunakan kuantil dari distribusinya.
Jika variable acak kerugian dinotasikan X maka VAR dari X tersebut berada pada selang
kepercayaan (𝛿) 100 𝛿% level

Dinotasikan var 𝛿 atau ᴨ ᵟ yang merupakan 100 𝛿 persentil (kuantil) daari distribusi X yang
memenuhi :

VAR 𝛿 = P(X > ᴨ 𝛿 ) = 1 – 𝛿

5. CONDITIONAL TAIL EXPECTATION (CTE)

VAR hanya mengukur kuantil dari distribusi kerugian tanpa memperhatikan setiap
kerugian yang melebihi VAR sehingga diperlukan meted untuk mengatasi kelemahan VAR
tersebut. Untuk mengatasinya digunakan pengukuran ukuran risiko menggunakan ukuran risiko
CTE yang di mana ukuran ini mempekirakan kerugian dari ekor distribusi nya atau kerugian
yang terjadi melebihi dari estimasi kerugian VAR.

CONTOH :

Jika X dinotasikan sebagai variable acak kerugian, CTE dari X pada 100 𝛿 tingakt kepercayaan
dapat dinotasikan dengan CTE 𝛿 [X] DIMANA MERUPAKAN PERKIRAAN KERUGIAN
YANG MELEBIHI PERSENTIL KE 100 𝛿 DARI DISTRIBUSI X

CTE δ [ X ] =E ¿

METODE PENELITIAN

Dalam penelitian ini langkah-langkah yang digunakan yaitu :

- Di penelitian ini dijelaskanterlbih dahulu karakteristik model kerugian agregat nya

yang terdiri dari PDF, CDF, EKSPETASI DAN VARIANSINYA
- Setelah itu mensubstitusikannya ke dalam formula ekspetasi dan variansi dari
model kerugian agregat yang di dapat dalam langkah 1 di mana :
 + unutk penentuan ukuran risiko SDPP (secara analitik) berarti dengan kombinasi
variable acak dari banyak nya klaim = DISTRIBUSI POISSON ( 𝜇) dan
BINOMIAL NEGATIF ( Ɣ, Ƥ ) serta variable acak berupa besar klaim
berdistribusi Gamma (α , ᵦ ) , pareto (τ ω) dan eksponential (λ)
- Memodifikasikan algoritma metode monte carlo untuk penentuan ukuran risiko
VAR dan CTE dari model kerugian agregat dengan byknya klaim itu distrubsinya
poisson dan binomial negative dan untuk besar kalim distribusinya itu adalah
gamma, pareto dan eksponential
- Setelah itu mesimulasikan perhitungan ukuran risiko SDPP , VAR , CTE untuk
model kerugian agragat dengan parameter amsing2
- Setelah diketahui dari simulasi yang ada selanjutnya di implementasikanatau
interpreatasi dari simulasi perhitungan
- Kesimpulan

HASIL DAN PEMBAHSAN

1. KARAKTERISTIK MKA
Kerugian agregat = total seluruh kerugian yang terjadi dalam suatu satu blok polis
asiuransi yang ada.
Kerugian terdiri atas banyak klaim (va diskrit notasi N) dan banyak klaim (va
kontinu notasi X) .
ANTARA BESAR KERUGIAN YANG SATU DENGAN YANG LAINNYA
AKAN DIASUMSIKAN BERDISTRIBUSI IDENTIK DAN SALING BEBAS
(IID)
Sehingga MKA dapat dinotasikan :
S = X1 + X2 +…. + XN
Dengan distribusi CDF nya atau komulatifnya dinyatakan engan
∞
F s ( s )=∑ f N ( n ) F ¿ix ( x)
n=0
 Dengan
fN : PDF dari variable acak N
F ¿ix : fungsi konvulusi untuk total besar klaim (X1+X2+….+XN)
Untuk mencari f ¿ix dituliskan dengan rumus sbb:
x
¿ ( i−1 )
F ¿ix : ∫ Fx ( s−xi−1 ) ( f x ) ( Xi−1 ) dxi−1
i−1
0

Dengan I = 2,3,…, n

Kemudian ekspetasinya dan variansinya didapat dari rumus

E[S] = E [NE[X]] pers.1

Var [S] = E [N] [Var(X)] + [E(X)]2 Var[N] pers 2

2. SDPP UNTUK MKA

Ukuran risiko SDPP itu menggunakan ekspetasi dan variansi dari MKA dngan
mensubstitusikan pers1 dan 2 ke persamaan SD ( X )=E ( X ) + g √ ¿

Sehingga perhitungannya dapat diselesaikan secara analaitik yang di mana bergantung

kepada parameter distribusinya

SD (S) = E[N]E[X] +g √ ¿

3. VAR UNTUK MKA

∞
Dari persamaan F s ( s )=∑ f N ( n ) F ¿ix ( x), CDF dari MKA tidak closed form atau
n=0

berupa konvulusi, sehingg penetuan CDF nya dihitung secara rekursif.

PADA KASUS ASURANSI KERUGIAN, JIKA KLAIM DATANG SANGAT
BANYAK AKAN MEMBUAT PERHITUNGNAN UKURAN RISKO (VAR)
MENJADI TIDAK EFESIEN
 Oleh karena itu, metode numerik menjadi solusi dimana yang digunakan ialah
metode MONTE CARLO Untuk mendapatkan sampel acak dari MKA

Pada pembangkitan sampel acak dari kerugin agragat, dibangkitkan banyaknya

klaim yang berdistribusi POISSON danBINOMIAL NEGATIVE sebanyak k .
Kemudian dibangkitkan kembali besar klaim yang berdistribusi gamma, pareto,
eksponential berdasasrkan banyaknya data yang didapat pada pembangkitan
variable acak N.
Setelah dijumlahkan masing2 besar klaim dan akan diperolehlah s1,s1,…,sk

Untuk menentukan NIlai VAR, diestimasi nilai kuantil ᴨ𝛿 menggunakan

the smoothed empirical estimate.
Adanya error pada perhitungan numerik tidak menjamin bahwa estimasi nilai
kuantil tsb merupakan nilau yang sebenarnya sehingga perlu memperkirakan letak
~
nilai kuantil sebeneranya pada suatu selang kepercayaan Sa ≤ ᴨ δ ≤ S b
Dengan a =k 𝛿 – c dan b =k 𝛿+c

c=ɸ−1 ( 1+Ɣ2 )√ k δ (1−δ)

4. CTE PDA MKA
Ukuran risiko CTE melanjutkan perhotungandari VAR ayng mana telah didapat
data sampel kerugian dengan menggunakan metode monte carlo dari masing2
kombinasi distribusi dari MKA dengan bahnyakk klaim berdistribusi gamma,
pareto, eksponential. Selanjutnya Nilai CTE di estimasi dengan :
 ~
Dengan S j = sammpel terurut yang melebihi k 𝛿 . Jiak ukuran data besar atau
menuju tak hingga maka estimasi nilai akan konvergen ke nilai sebenarnya.

5. SIMULASI PERHITUNGAN MKA

Simulasi yang digunakan yaitu menggunakan SDPP, untuk menduga VAR dengan
estimasi nilai kuantil dan selang kepercayaaan untuk kuantil sebenarnya dengan
menggunakan algoritma MONTE CARLO yang dimodifikasi perhitunggannnya
dan serta menduga CTE.

!! UKURAN DATA UNTUK MENESTIMASI PERHITUNGAN ADALAH

100.000 !!!
Kemudian distribsui parameter yang digunakan pada perhitungan unutk kombinasi
distribusi dengan rata2 klaim yang diaggarkan oleh perusahaan asuransi sebesar
75.000.000 untuk setiap distribusi.
KEMUDIAN LOADING FACTOR yang biasa digunakan perusahaan asuransi 1
mempunyai tingkat kepercayaan 95% dan perusahaan 2 mempunyai tingkat
kepercayaan 99%

6. HASIL SIMULASI PERHITUNGAN UNTUK SDPP

Ukuran risiko SDPP di hitung dengan mensubstitusikan masing2 parameter dari
distribusi yang ditentukan pada table