Value-at-risk (var) Berbasis Model Exponential Autoregressive Conditional Amount (eaca)

Abstract

Abstrak Kerugian pada perusahaan asuransi terjadi akibat besar klaim asuransi yang diajukan melebihi batas yang ditentukan. Apabila perusahaan tidak dapat menangani hal tersebut dengan baik maka perusahaan tersebut akan mengalami kebangkrutan. Untuk menangani masalah tersebut, dibutuhkan cara yang tepat untuk memprediksi besar klaim agar tidak melebihi batas yang ditentukan oleh suatu perusahaan. Salah satu cara untuk memprediksi besar klaim adalah dengan menggunakan model Exponential Autoregressive Conditional Amount (EACA). Model EACA adalah model deret waktu yang diaplikasikan pada data asuransi berupa besar klaim yang ditanggung oleh perusahaan asuransi. Dalam penelitian Tugas Akhir ini juga digunakan perhitungan dengan Value-at-Risk (VaR) untuk mengukur kerugian akibat besar klaim yang melebihi batas. Akurasi VaR yang terbaik diperoleh menggunakan VaR Violation. Berdasarkan hasil analisis, tingkat signifikansi pada VaR 10% dapat mengantisipasi besar klaim lebih baik dari percobaan tingkat signifikansi yang lain. Hal ini karena tingkat signifikansi 1% menghasilkan VaR Violation sebanyak 3. Sehingga pelanggaran yang diharapkan dengan VaR Violation menghasilkan selisih sebesar 0.34, hasil ini merupakan hasil selisih yang terendah dari tingkat signifikansi 5% dan 10%. Kata Kunci : klaim asuransi, model EACA, VaR, VaR Violation Abstract Losses on insurance companies occur due to large insurance claims filed exceeds the specified limits. If the company cannot handle it properly then the company will go bankrupt. To handle the problem, it takes the right way to predict the size of the claim so as not to exceed the limit specified by a company. One way to predict the size of a claim is to use the Exponential Autoregressive Conditional Amount (EACA) model. EACA model is a time series model applied to insurance data in the form of a large claim borne by the insurance company. In this Final Project study also used the calculation with Value-at-Risk (VaR) to measure the losses due to large claims beyond the limit. The best VaR accuracy is obtained using VaR Violation. Based on the results of the analysis, a 10% confidence level at VaR can anticipate the higher claims than other confidence experiments. This is because the 1% confidence level produces VaR Violation of 3. That the expected violation with VaR Violation yields a difference of 0.34, this result is the lowest difference of 5% and 10% confidence level. Keywords: insurance claims, EACA model, VaR, VaR Violation