Estimasi Cadangan Klaim dengan Metode Univariate dan Multivariate Generalized Link Ratio

Dyah Wening Arumsasi, Dr. Adhitya Ronnie Effendie, S.Si., M.Si., M.Sc.

2026 | Skripsi | S1 ILMU AKTUARIA

Estimasi cadangan klaim merupakan salah satu aspek penting dalam menjaga solvabilitas perusahaan asuransi karena digunakan untuk memenuhi kewajiban pembayaran klaim di masa mendatang. Penggunaan satu metode yang sama untuk seluruh segitiga klaim tidak selalu menghasilkan estimasi yang optimal karena setiap data dapat memiliki karakteristik heteroskedastisitas dan dependensi antar development year yang berbeda. Penelitian ini bertujuan untuk mengestimasi cadangan klaim menggunakan metode Generalized Link Ratio (GLR) dalam kerangka univariate dan multivariate serta membandingkan hasil estimasi cadangan klaim dan prediction error yang dihasilkan. Pada metode GLR, digunakan parameter ? untuk mengendalikan tingkat heteroskedastisitas model. Hasil penelitian menunjukkan bahwa metode GLR merupakan metode yang fleksibel karena dapat mereplikasi metode Vector Projection, Chain Ladder, dan Simple Average sebagai kasus khusus untuk nilai parameter ? tertentu. Multivariate GLR menghasilkan prediction error sebesar 14,182%, lebih rendah dibandingkan Univariate GLR yang menghasilkan prediction error sebesar 19,572%. Hasil tersebut menunjukkan bahwa dengan mempertimbangkan heteroskedastisitas dan korelasi antar development year, kerangka multivariate memberikan estimasi cadangan klaim yang lebih baik berdasarkan nilai prediction error.

Claims reserving is an essential aspect of maintaining the solvency of general insurance companies, as it ensures that sufficient funds are available to meet future claim obligations. Applying a single reserving method to all claim triangles may not always produce optimal estimates because each dataset may exhibit different levels of heteroscedasticity and dependence across development years. This study aims to estimate claims reserves using the Generalized Link Ratio (GLR) method under both the univariate and multivariate frameworks and to compare the resulting reserve estimates and prediction errors. In the GLR method, the parameter ? is used to control the level of heteroscedasticity in the model. The results show that the GLR method is a flexible reserving framework because it can replicate the Vector Projection, Chain Ladder, and Simple Average methods as special cases for specific values of ?. The Multivariate GLR produced a prediction error of 14.182%, lower than that of the Univariate GLR at 19.572%. These findings suggest that, by considering heteroscedasticity and the correlation across development years, the multivariate framework provides better claims reserve estimation performance based on the prediction error.

Kata Kunci : Cadangan Klaim, Prediction Error, Heteroskedastisitas, Seemingly Unrelated Regression, Regresi