CAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD

Kecelakaan merupakan suatu peristiwa yang tidak bisa diperkirakan kapan terjadinya sehingga besar kerugian yang ditimbulkan juga tidak pasti. Oleh karena itu, perusahaan asuransi menawarkan produk asuransi kendaraan untuk meminimalisir kerugian yang ditimbulkan misal: kerusakaan kendaraan, luka-luka...

Full description

Saved in:
Bibliographic Details
Main Author: Fajrina, Rizki
Format: Theses
Language:Indonesia
Online Access:https://digilib.itb.ac.id/gdl/view/68249
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Institut Teknologi Bandung
Language: Indonesia
id id-itb.:68249
spelling id-itb.:682492022-09-12T08:03:54ZCAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD Fajrina, Rizki Indonesia Theses Car Insurance, Cross Validation, GWR, Gaussian Kernel, Premium INSTITUT TEKNOLOGI BANDUNG https://digilib.itb.ac.id/gdl/view/68249 Kecelakaan merupakan suatu peristiwa yang tidak bisa diperkirakan kapan terjadinya sehingga besar kerugian yang ditimbulkan juga tidak pasti. Oleh karena itu, perusahaan asuransi menawarkan produk asuransi kendaraan untuk meminimalisir kerugian yang ditimbulkan misal: kerusakaan kendaraan, luka-luka yang dialami pengendara saat kecelakaan, dan hilangnya kendaraan akibat pencurian. Penentuann premi asuransi kendaraan hanya dibedakan berdasarkan harga kendaraan serta letak wilayah, dan belum melibatkan potensi terjadinya kecelakaan yang berbeda-beda antar tiap daerah. Metode Geographically Weighted Regression (GWR) digunakan untuk melihat pengaruh secara lokal sesuai dengan proporsi jumlah kecelakaan di tiap wilayah yang berbeda-beda. Bila dibandingkan dengan model regresi linear (OLS), GWR dapat menaksir untuk masing-masing daerah, sedangkan OLS, pengaruh lokasi ini tidak digunakan. Data asuransi diambil dari kaggle.com yang berupa klaim kecelakaan di United States pada Januari-Maret 2015. Variabel respon yang digunakan yaitu total klaim, sedangkan variabel prediktor berupa klaim kecelakaan diri pengendara, klaim properti, dan klaim kendaraan. Data diolah secara statistika deskriptif dan diaplikasikan pada model GWR. Dari data tersebut diketahui bahwa letak terjadinya kecelakaan di wilayah timur USA sebanyak 669 klaim pada 7 negara bagian dengan nilai klaim [$720.000,$12.000.000]. Kernel Gaussian dipilih berdasarkan nilai CV yang minimum yaitu sebesar 1,6. Hasil taksiran parameter ????1 pada [1,1;1,4] dan ????0 untuk masing-masing lokasi memiliki nilai yang tidak jauh berbeda berkisar selang minimum dan maksimumnya. Premi dihitung merupakan premi murni dengan benefit menggunakan hasil nilai taksiran GWR. Didapatkan hasil pada negara bagian West Virginia memiliki perbedaan premi di bawah $1.000, sedangkan negara bagian lainnya memiliki perbedaan premi [$1.500, $10.000]. Nilai rata-rata premi menggunakan GWR memiliki perbedaan dengan premi awal sebesar $3.134, sehingga dengan GWR, nilai premi baru dapat mengikuti besar kecilnya premi awal. text
institution Institut Teknologi Bandung
building Institut Teknologi Bandung Library
continent Asia
country Indonesia
Indonesia
content_provider Institut Teknologi Bandung
collection Digital ITB
language Indonesia
description Kecelakaan merupakan suatu peristiwa yang tidak bisa diperkirakan kapan terjadinya sehingga besar kerugian yang ditimbulkan juga tidak pasti. Oleh karena itu, perusahaan asuransi menawarkan produk asuransi kendaraan untuk meminimalisir kerugian yang ditimbulkan misal: kerusakaan kendaraan, luka-luka yang dialami pengendara saat kecelakaan, dan hilangnya kendaraan akibat pencurian. Penentuann premi asuransi kendaraan hanya dibedakan berdasarkan harga kendaraan serta letak wilayah, dan belum melibatkan potensi terjadinya kecelakaan yang berbeda-beda antar tiap daerah. Metode Geographically Weighted Regression (GWR) digunakan untuk melihat pengaruh secara lokal sesuai dengan proporsi jumlah kecelakaan di tiap wilayah yang berbeda-beda. Bila dibandingkan dengan model regresi linear (OLS), GWR dapat menaksir untuk masing-masing daerah, sedangkan OLS, pengaruh lokasi ini tidak digunakan. Data asuransi diambil dari kaggle.com yang berupa klaim kecelakaan di United States pada Januari-Maret 2015. Variabel respon yang digunakan yaitu total klaim, sedangkan variabel prediktor berupa klaim kecelakaan diri pengendara, klaim properti, dan klaim kendaraan. Data diolah secara statistika deskriptif dan diaplikasikan pada model GWR. Dari data tersebut diketahui bahwa letak terjadinya kecelakaan di wilayah timur USA sebanyak 669 klaim pada 7 negara bagian dengan nilai klaim [$720.000,$12.000.000]. Kernel Gaussian dipilih berdasarkan nilai CV yang minimum yaitu sebesar 1,6. Hasil taksiran parameter ????1 pada [1,1;1,4] dan ????0 untuk masing-masing lokasi memiliki nilai yang tidak jauh berbeda berkisar selang minimum dan maksimumnya. Premi dihitung merupakan premi murni dengan benefit menggunakan hasil nilai taksiran GWR. Didapatkan hasil pada negara bagian West Virginia memiliki perbedaan premi di bawah $1.000, sedangkan negara bagian lainnya memiliki perbedaan premi [$1.500, $10.000]. Nilai rata-rata premi menggunakan GWR memiliki perbedaan dengan premi awal sebesar $3.134, sehingga dengan GWR, nilai premi baru dapat mengikuti besar kecilnya premi awal.
format Theses
author Fajrina, Rizki
spellingShingle Fajrina, Rizki
CAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD
author_facet Fajrina, Rizki
author_sort Fajrina, Rizki
title CAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD
title_short CAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD
title_full CAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD
title_fullStr CAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD
title_full_unstemmed CAR INSURANCE PREMIUM MODELING USING GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) METHOD
title_sort car insurance premium modeling using geographically weighted regression (gwr) method
url https://digilib.itb.ac.id/gdl/view/68249
_version_ 1822933589203877888