Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Saputri, Prilyandari Dina
Departemen Aktuaria Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Pemetaan Risiko Produk Asuransi Kendaraan Bermotor PT X di Pulau Jawa Wibisono, Julian Robert; Siswono, Galuh Oktavia; Saputri, Prilyandari Dina
Jurnal Sains dan Seni ITS Vol 13, No 2 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i2.145189

Abstract

PT X merupakan salah satu perusahaan asuransi umum terbesar di Indonesia yang menyediakan produk asuran-si kendaraan bermotor. Dalam kurun waktu 2018 hingga 2022, pemegang polis dari produk asuransi ini terpusat di pulau Jawa dan histori klaim menunjukkan adanya kecenderungan yang lebih tinggi bagi group policy untuk melakukan klaim diban-dingkan dengan individual policy. Oleh karena itu, penting bagi PT X untuk mengetahui persebaran risiko dari group policy tersebut di pulau Jawa. Penelitian ini bertujuan untuk meme-takan risiko group policy dari asuransi kendaraan bermotor PT X di pulau Jawa dan membandingkannya terhadap pembagian wilayah risiko dari Surat Edaran Otoritas Jasa Keuangan Nomor 6/SEOJK.05/2017. Pemetaan risiko dilakukan dengan menginterpolasi frekuensi klaim, besar klaim, years of exposure, dan klaim per masa pertanggungan dari tahun 2018 hingga 2022 dengan metode Inverse Distance Weighting (IDW), Ordinary Kriging, dan Triangular Irregular Network (TIN). Pada metode IDW, weighting power yang digunakan adalah 2, 3, 4, 5, dan 6 sedangkan pada metode Ordinary Kriging, tuning para-meter semivariogram teoritis dilakukan dengan menggunakan trial and error. Adapun penentuan model terbaik dilakukan dengan menggunakan Leave-One-Out Cross Validation. Interpolasi dilakukan di 10.000 titik yang tersebar secara merata ke seluruh pulau Jawa dengan bantuan software R. Hasil penelitian menunjukkan bahwa secara umum, model interpo-lasi terbaik diperoleh dengan menggunakan Ordinary Kriging dengan nilai rata-rata Root Mean Squared Error (RMSE) sebesar 1,0027. Berdasarkan hasil interpolasi, dapat disimpul-kan bahwa risiko group policy tertinggi berasal dari polis-polis di daerah barat pulau Jawa, seperti Banten dan DKI Jakarta, sedangkan daerah Jawa Barat merupakan daerah berisiko menengah, dan Jawa tengah, DI Yogyakarta, dan Jawa Timur termasuk ke dalam daerah dengan risiko rendah. Hasil visualisasi peta tematik ini sesuai dengan pembagian wilayah risiko dari OJK sehingga dapat disimpulkan bahwa Surat Edaran OJK Nomor 6/SEOJK.05/2017 masih relevan terhadap claim experience yang dialami PT X selama tahun 2018 hingga 2022.
Perbandingan Random Survival Forests Menggunakan Splitting Berbasis Axis dan Accelerated Oblique untuk Prediksi Risiko Klaim Asuransi Penyakit Kritis Lawrence, Lawrence; Atok, R. Mohamad; Saputri, Prilyandari Dina
Jurnal Sains dan Seni ITS Vol 13, No 2 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i2.145017

Abstract

Asuransi penyakit kritis adalah produk asuransi yang memberikan perlindungan dari risiko berbagai penyakit kritis. Sebagai pihak yang akan menanggung risiko tersebut, baik perusahaan asuransi maupun reasuransi perlu melakukan esti-masi risiko klaim dan mengetahui faktor-faktor yang memenga-ruhinya. Pada penelitian ini, RSF dengan splitting berbasis axis dan accelerated oblique akan dibandingkan untuk prediksi risi-ko klaim asuransi penyakit kritis di PT. Asuransi X berdasar-kan C-index dan variable importance. Performa prediksi RSF juga akan dibandingkan ketika digunakan pada data dengan periode COVID-19. Hasil analisis menunjukkan RSF dengan splitting berbasis axis mengidentifikasi usia, premi, dan status merokok sebagai faktor yang berkontribusi terhadap prediksi. Sedangkan, RSF dengan splitting berbasis accelerated oblique mengidentifikasi usia dan premi sebagai faktor yang berkontri-busi. Splitting berbasis accelerated oblique menghasilkan RSF yang lebih baik dengan peningkatan C-index sekitar 3% hingga 4% dan waktu komputasi 8 hingga 12 kali lebih cepat diban-dingkan splitting berbasis axis. Splitting berbasis accelerated oblique bekerja lebih baik pada data tanpa periode COVID-19 meskipun tidak ada penurunan performa yang drastis. Splitting berbasis axis bekerja lebih baik pada data dengan periode COVID-19. Rata-rata risiko klaim berdasarkan cumulative hazard seluruh polis sangat kecil dengan nilai sekitar 0,008 pada akhir waktu prediksi.
Perbandingan Peramalan Harga Saham Menggunakan Metode Brown’s Double Exponential Smoothing dengan Optimasi Golden Section dan Levenberg-Marquardt Sari, Emelia Permata; Atok, Raden Mohamad; Saputri, Prilyandari Dina
Jurnal Sains dan Seni ITS Vol 13, No 4 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i4.147215

Abstract

Saham kini semakin menjadi instrumen pasar keuangan yang populer, hal ini ditandai dengan peningkatan jumlah investor saham serta surat berharga lainnya sebesar 11,46% dibanding akhir tahun 2022. Saham merupakan investasi dengan risiko yang tergolong tinggi, namun tujuan utama investasi dalam bentuk saham adalah untuk memaksimalkan return dan meminimalkan resiko yang didapatkan dari return. Penelitian ini akan berfokus pada penerapan metode Brown’s Double Exponentual Smoothing (B-DES) dengan optimasi Golden Section dan Levenberg-Marquardt dalam forecasting harga saham. Data yang digunakan merupakan data saham PT Bank Mandiri (Persero) Tbk. (BMRI.JK), PT Bank Rakyat Indonesia (Persero) Tbk. (BBRI.JK), PT Bank Central Asia Tbk. (BBCA.JK), PT Bank Negara Indonesia (Persero) Tbk. (BBNI.JK), dan PT Bank Tabungan Negara (Persero) Tbk. (BBTN.JK) dengan periode 2 Januari 2014 – 31 Januari 2024. Hasil analisis box plot menunjukkan bahwa data harga saham tersebut tidak mengandung seasonal sehingga cocok untuk melakukan peramalan menggunakan B-DES yang hanya mengatasi keberadaan trend pada data. Data dibagi menjadi data training sebanyak 2463 data (119 bulan) dan data testing sebanyak 41 data (2 bulan). Hasil penelitian menunjukkan bahwa optimasi parameter menggunakan metode Levenberg-Marquardt menghasilkan nilai α optimum terbaik dengan nilai MSE rata-rata 44.252,03 yang lebih rendah daripada sebelum optimasi yaitu 48.832,65 dan setelah optimasi Golden Section yaitu 46.133,39. Hasil model B-DES sebelum optimasi maupun yang dengan optimasi Golden Section dan Levenberg-Marquardt memenuhi kriteria prediksi yang sangat akurat karena memiliki nilai MAPE < 10%. Analisis menunjukkan bahwa harga saham BMRI.JK, BBCA.JK, BBNI.JK, dan BBTN.JK cenderung naik dalam 10 periode ke depan menurut peramalan menggunakan metode B-DES dengan optimasi Levenberg-Marquardt, sementara harga saham BBRI.JK cenderung turun. Peramalan rate of return dari masing-masing harga saham menghasilkan nilai rata-rata rate of return dari harga saham penutupan BMRI.JK sebesar 0,0477%, BBRI.JK sebesar 0,0569%, BBCA.JK sebesar 0,0636%, BBNI.JK sebesar 0,0422%, dan BBTN.JK sebesar 0,0205%.
Studi Simulasi Cox Proportional Hazard dan Random Survival Forest Data Tersensor Kanan serta Aplikasinya pada Klaim Asuransi Kesehatan PT ABC Pangestu, Abdan Alghifari; Ahmad, Imam Safawi; Saputri, Prilyandari Dina
Jurnal Sains dan Seni ITS Vol 14, No 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v14i1.147353

Abstract

Analisis survival adalah teknik statistik untuk menganalisis waktu hingga suatu kejadian terjadi. Teknik ini dapat memprediksi waktu survival dan mempelajari faktor-faktor yang memengaruhinya. Data dalam analisis survival menagalami penyensoran ketika kejadian tertentu tidak teramati. Penyensoran paling umum adalah penyensoran kanan, yaitu ketika kejadian belum terjadi atau tidak dapat dilanjutkan pengamatannya. Metode analisis survival seperti Cox Proportional Hazard (CPH) dan Random Survival Forest (RSF) dapat mengatasi masalah ini. CPH memerlukan asumsi risiko proporsional yang konstan terhadap waktu. RSF, sebuah metode non-parametrik dengan machine learning, dapat menjadi solusi untuk mengatasi keterbatasan ini. RSF membangun pohon keputusan dan menggabungkan hasil prediksi dari setiap pohon. Tujuan penelitian ini adalah untuk membandingkan performa CPH dan RSF berdasarkan C Index dalam memprediksi data simulai tersensor kanan dengan berbagai skenario serta menerapkannya pada data aktual. Hasil dari penelitian ini menunjukkan bahwa metode CPH unggul dalam berbagai skenario dalam menganalisis data simulasi. Mayoritas nasabah melakukan klaim. Tidak ada perbedaan risiko klaim berdasarkan faktor usia, jenis kelamin, dan jenis penykit. Secara berurutan risiko klaim berasal dari pengidap infeksi adenovirus, dermatitis atopik, dan gingivitis akut. CPH merupakan metode terbaik dalam menganalisis data aktual. Hanya variabel jenis penyakit yang signifikan dalam pemodelan CPH. Tingkat kepentingan variabel RSF secara berurutan adalah jenis penyakit, usia, jenis kelamin, dan status merokok.
Co-Authors Ahmad, Imam Safawi Atok, R. Mohamad Atok, Raden Mohamad Lawrence, Lawrence Pangestu, Abdan Alghifari Sari, Emelia Permata Siswono, Galuh Oktavia Wibisono, Julian Robert