Industri asuransi telah terdampak secara signifikan oleh pandemi Covid-19, dengan kerugian yang diperkirakan akan terus berlanjut sepanjang tahun 2021. Pada paruh pertama tahun 2020, sektor asuransi jiwa di Indonesia mengalami penurunan pertumbuhan sebesar 38,7 persen, yang sebagian besar disebabkan oleh turunnya pendapatan premi baru maupun tambahan. Hingga Agustus 2020, total premi yang diperoleh industri tercatat 9 persen lebih rendah dibandingkan periode yang sama pada tahun sebelumnya. Sementara itu, klaim meningkat, dengan klaim asuransi jiwa naik sebesar 17,4 persen secara tahunan hingga September 2020. Mengingat berbagai tantangan tersebut, menjaga metrik utama seperti rasio kecukupan premi terhadap pembayaran klaim menjadi sangat penting untuk mengurangi risiko gagal bayar dan memastikan keberlanjutan industri. Oleh karena itu, prediksi yang akurat terhadap rasio kecukupan premi dalam industri asuransi di Indonesia menjadi fokus penting dalam kajian ini.
Kebaruan dari penelitian ini mencakup peramalan dua rasio penting dalam asuransi jiwa dan asuransi umum, yaitu (1) rasio kecukupan premi terhadap klaim yang dibayarkan dan (2) rasio kecukupan premi dan investasi terhadap klaim yang dibayarkan. Setiap perusahaan asuransi harus mampu mengelola investasi untuk meminimalkan risiko gagal bayar. Penelitian ini juga mencakup periode pandemi Covid-19, di mana perekonomian global mengalami pelemahan akibat dampak pandemi, yang diperkirakan akan memengaruhi kinerja investasi. Selain itu, penelitian ini menggunakan Support Vector Regression (SVR) untuk data longitudinal dengan berbagai kernel, yang umumnya memiliki kinerja yang baik dalam peramalan. Berbeda dengan algoritma machine learning lainnya, SVR merupakan algoritma nonlinier yang mengikuti prinsip structural risk minimization, sehingga mampu menghasilkan kinerja generalisasi yang sangat baik, alih-alih hanya meminimalkan kesalahan empiris.
Penelitian ini berfokus pada prediksi dua rasio utama dalam asuransi jiwa dan asuransi umum, yaitu rasio kecukupan premi terhadap klaim yang dibayarkan dan rasio kecukupan premi serta investasi terhadap klaim yang dibayarkan. Metode yang digunakan adalah Support Vector Regression (SVR). Data dimodelkan menggunakan SVR dengan berbagai fungsi kernel, serta dilakukan proses tuning untuk meningkatkan akurasi prediksi. Model peramalan terbaik dipilih berdasarkan nilai RMSE terendah dan nilai R-squared tertinggi. Hasil penelitian menunjukkan bahwa untuk semua rasio, model SVR dengan fungsi kernel radial basis dan proses tuning memberikan kinerja terbaik, dengan nilai R-squared melebihi 78% untuk data out-of-sample. Temuan ini memberikan referensi yang andal bagi perusahaan asuransi dalam menyusun kebijakan yang efektif guna menjaga keberlanjutan keuangan.
Judul artikel:
Utilizing support vector regression to forecast premium adequacy in Indonesia鈥檚 insurance sector
Penulis:
Siti Maghfirotul Ulyah, Marisa Rifada, Elly Ana, Christopher Andreas, Ilma Amira Rahmayanti, Salsabylla Nada Apsariny, Norma Latif Fitriyani
Link:
