Pengaruh Ketergantungan Klaim terhadap Ukuran Risiko dalam Model Risiko Aktuaria

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh ketergantungan klaim terhadap ukuran risiko dalam model risiko aktuaria, khususnya pada pengukuran Value at Risk (VaR) dan Tail Value at Risk (TVaR). Data yang digunakan terdiri atas 50.000 observasi klaim yang berasal dari data simulasi dan open data asuransi kesehatan serta kredit yang telah melalui proses kurasi, pembersihan, dan validasi. Frekuensi klaim dimodelkan menggunakan distribusi Negative Binomial, sedangkan severitas klaim dimodelkan menggunakan distribusi Lognormal. Struktur ketergantungan antar klaim dimodelkan menggunakan pendekatan copula, dengan Clayton, Frank, dan Gumbel copula sebagai kandidat model, serta parameter diestimasi melalui metode maximum likelihood. Hasil pengujian menunjukkan bahwa Gumbel copula memberikan kecocokan terbaik dan mengindikasikan adanya upper tail dependence yang signifikan. Estimasi VaR dan TVaR dilakukan menggunakan simulasi Monte Carlo pada tingkat kepercayaan 95% dan 99%. Hasil penelitian menunjukkan bahwa model yang memperhitungkan ketergantungan klaim menghasilkan nilai VaR dan TVaR yang lebih tinggi dibandingkan model dengan asumsi independensi, dengan kenaikan sebesar 13–20%. Temuan ini mengindikasikan bahwa pengabaian ketergantungan klaim berpotensi menyebabkan underestimation risiko yang signifikan, khususnya pada risiko ekor. Penelitian ini memberikan kontribusi penting dalam pengembangan model risiko aktuaria berbasis copula serta menjadi dasar penyusunan rekomendasi awal permodalan solvabilitas berbasis profil risiko aktual perusahaan asuransi