<![CDATA[Jumlah penyelesaian klaim asuransi sosial kecelakaan lalu lintas mengalami fluktuasi yang dipengaruhi oleh berbagai faktor, seperti tingkat kecelakaan, mobilitas masyarakat, dan kondisi transportasi. Fluktuasi tersebut menimbulkan ketidakpastian dalam perencanaan cadangan dana klaim dan pengelolaan risiko, sehingga diperlukan metode prediksi yang mampu menghasilkan estimasi secara akurat. Penelitian ini bertujuan membandingkan kinerja metode Double Moving Average (DMA) sebagai pendekatan deterministik dan metode Monte Carlo sebagai pendekatan probabilistik dalam memprediksi jumlah penyelesaian klaim asuransi sosial kecelakaan lalu lintas. Data yang digunakan merupakan data sekunder berupa jumlah penyelesaian klaim bulanan periode Januari 2015 hingga Desember 2025 yang diperoleh dari salah satu instansi penyelenggara asuransi sosial kecelakaan lalu lintas di Provinsi Jawa Tengah. Akurasi hasil prediksi dievaluasi menggunakan Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa pada periode pengujian tahun 2025 metode Double Moving Average menghasilkan nilai MAD sebesar 40,58, MSE sebesar 1.859,25, dan MAPE sebesar 8,9%, sedangkan metode Monte Carlo menghasilkan nilai MAD sebesar 80,33, MSE sebesar 9.490,00, dan MAPE sebesar 16,97%. Selain itu, metode Double Moving Average secara konsisten menghasilkan nilai MAD, MSE, dan MAPE yang lebih rendah dibandingkan metode Monte Carlo pada seluruh periode pengujian (2017–2025). Hasil tersebut menunjukkan bahwa metode Double Moving Average memiliki tingkat akurasi yang lebih baik sehingga layak direkomendasikan sebagai metode prediksi untuk mendukung perencanaan cadangan dana klaim, pengelolaan risiko, dan pengambilan keputusan pada perusahaan asuransi sosial.]]>
