An insurance company must be able to manage risks in the form of claims submitted by policyholders. There are several risk measures or actuarial measures that can be used to predict future risks and help companies prepare reserves. These actuarial measures are Value at Risk (VaR), Tail Value at Risk (TVaR), Tail Variance (TV), and Tail Variance Premium (TVP). In this article, we will discuss these actuarial measures for inverse Gaussian distributed claim severity. The Kolmogorov-Smirnov test is used to test the fit of the inverse Gaussian distribution. The maximum likelihood estimator is used as a method to estimate the parameters of the inverse Gaussian distribution. The data used in this article is data on partial loss claims for motor vehicle insurance insurance company PT. ABC in 2019 Category 1 in all regions. However, after testing the goodness of fit of the distribution using the Kolmogorov-Smirnov test for region 3, it did not come from a population with an inverse Gaussian distribution. So the data used to proceed to the actuarial measures estimation stage is only region 1 and region 2. Based on the results of calculating the actuarial measures for inverse Gaussian distributed claim severity, it can be concluded that the value of losses expected by a company can be calculated by taking into account the actuarial measures for claim severity on motor vehicle insurance in Indonesia.
Bahasa Indonesia
Suatu perusahaan asuransi harus mampu mengelola risiko berupa klaim yang diajukan pemegang polis. Ada beberapa ukuran risiko atau ukuran aktuaria yang dapat digunakan untuk memprediksi risiko di masa yang akan datang dan membantu perusahaan mempersiapkan cadangan. Ukuran-ukuran aktuaria tersebut adalah Value at Risk (VaR), Tail Value at Risk (TVaR), Tail Variance (TV), dan Tail Variance Premium (TVP). Dalam artikel ini akan dibahas ukuran-ukuran aktuaria tersebut untuk data besar klaim berdistribusi inverse Gaussian. Uji Kolmogorov-Smirnov digunakan untuk menguji kecocokan distribusi inverse Gaussian. Penaksir kemungkinan maksimum digunakan sebagai metode untuk menaksir parameter distribusi inverse Gaussian. Data yang digunakan dalam artikel ini adalah data besar klaim partial loss asuransi kendaraan bermotor perusahaan asuransi PT. ABC tahun 2019 Kategori 1 pada semua wilayah. Namun, setelah dilakukan uji kecocokan distribusi menggunakan uji Kolmogorov-Smirnov untuk wilayah 3 tidak berasal dari populasi yang berdistribusi inverse Gaussian. Sehingga data yang digunakan untuk melanjutkan ke tahap penaksiran ukuran aktuaria hanya wilayah 1 dan wilayah 2. Berdasarkan hasil dari perhitungan ukuran risiko atau ukuran aktuaria pada data besar klaim berdistribusi inverse Gaussian, dapat disimpulkan bahwa nilai kerugian yang diharapkan oleh suatu perusahaan dapat dilakukan dengan memperhitungkan ukuran-ukuran aktuaria untuk data besar klaim asuransi kendaraan bermotor di Indonesia.
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.