<![CDATA[Abstrak Saat ini masyarakat Indonesia banyak yang menggunakan jasa asuransi untuk jaminan kesehatan mereka di masa mendatang. Dengan banyaknya masyarakat yang menggunakan jasa asuransi maka bisa menyebabkan adanya over claim yang merupakan salah satu risiko bagi perusahaan asuransi. Risiko kerugian dapat dicari dengan menentukan nilai Value-at-Risk (VaR) pada data besar klaim asuransi. Untuk menentukan VaR perlu melibatkan ekspektasi bersyarat model Autoregressive Conditional Amount (ACA). Dalam pemodelan ACA dilakukan pemilihan distribusi yang cocok untuk kerugian klaim yaitu distribusi Weibull yang menjadi landasan untuk model Weibull Autoregressive Conditional Amount (WACA). Pada tugas akhir ini model WACA yang digunakan berorde (1,1). Parameter model WACA diestimasi menggunakan metode Maximum Likelihood Estimator (MLE). Akurasi Correct VaR dengan melibatkan model WACA(1,1) adalah 95.45%, 97.86%, dan 99.46% dengan proporsi nilai observasi adalah 90%, 95%, dan 99%. Kata kunci : Klaim Asuransi, Value-at-Risk, ACA, Distribusi Weibull, WACA, Correct VaR Abstract Currently, most Indonesian people use insurance services for their health insurance in the future. With so many people who use the services of insurance, it can causes an over claim which is one of the risks for insurance companies. The risk of loss can be sought by determining the Value-at-Risk (VaR) on the large data of insurance claims. To determine the VaR, it needs to involve the conditional expectation of the Autoregressive Conditional Amount (ACA) model. The selection of suitable distributions of ACA for the claim losses is the Weibull distribution which is the basis for the Weibull Autoregressive Conditional Amount (WACA) model. In this research, WACA model which used is orde (1,1). WACA model parameters are estimated using the Maximum Likelihood Estimator (MLE) method.. Correct VaR accuracy involving WACA (1,1) models is 95.45%, 97.86%, and 99.46% with 90%, 95%, and 99% confidence levels. Keywords: Insurance claim, Value-at-Risk, ACA, Weibull Distribution, WACA, Correct VaR]]>
Copyrights © 2018
