Abstrak Model resiko individu digunakan untuk menentukan besarnya kerugian yang ditanggung oleh perusahaan asuransi berdasarkan

jumlah besar klaim individu yang terjadi dalam periode tertentu. Dalam model ini, besar klaim individu dianggap sebagai suatu variabel acak yang saling bebas karena antara variabel acak klaim yang satu dengan yang lainnya tidak saling berhubungan. Sehingga dapat ditentukan suatu model variabel acak dari besar klaim individu dengan menggunakan asumsi bahwa model resiko individu tersebut berjangka pendek dan bersifat tertutup. Model resiko individu diasumsikan berjangka pendek karena dalam prakteknya, perusahaan asuransi membayar benefit kematian atau uang pertanggungan, jika tertanggung meninggal dalam kurun waktu yang telah disepakati, dan tidak mempunyai manfaat pembayaran apabila tertanggung tetap hidup sampai masa asuransi berakhir. Dan model resiko individu diasumsikan bersifat tertutup artinya jumlah unit resiko pemegang asuransi ( tertanggung ) telah diketahui dan ditentukan pada awal periode. Model variabel acak dari besar klaim individu dapat diperoleh dari konsep asuransi jiwa jangka satu tahun. Pembentukan model variabel acak dari besar klaim individu ditentukan dari bentuk fungsi padat peluang variabel acak Bernoulli. Dari model variabel acak klaim individu akan ditentukan rata-rata dan variansinya. Selain itu , proses konvolusi ( convolution process ) secara iteratif digunakan untuk menentukan distribusi dari model resiko individu. Kata kunci : model resiko individu , variabel acak klaim individu , proses konvolusi

BAB I PENDAHULUAN Setiap perusahaan asuransi memiliki resiko terjadinya kerugian. Upaya untuk mengatasi resiko tersebut, perusahaan dapat melakukan berbagai alternatif, yaitu dengan cara menanggung sendiri resiko, memperkecil resiko atau mengalihkan resiko melalui asuransi. Oleh karena itu, perusahaan asuransi memerlukan kebijakan dalam mengelola resiko atas pertanggungan-pertanggungan yang diterimanya. Pada umumnya, perusahaan asuransi dalam mengelola resikonya dilakukan dengan cara membagi resiko, yaitu mempertanggungkan kembali resiko yang tidak mungkin mereka tanggung sendiri kepada perusahaan asuransi lain sebagai penanggung ulang, yang disebut reasuransi. Perusahaan asuransi dalam pengelolaan resiko harus memperhatikan dengan sungguhsungguh resiko-resiko yang mungkin muncul selama periode asuransi. Karena perusahaan asuransi sebagai penanggung resiko terjadinya suatu kerugian dari tertanggung ( insured ) harus dapat menanggung kemungkinan-kemungkinan terjadinya klaim dari insured kepada insurer. Penanggung resiko atau insurer harus mengetahui karakter resiko. Karakter resiko inilah dapat dipelajari dalam suatu model distribusi klaim. Distribusi klaim yang dimaksud digambarkan dalam suatu distribusi baik sebagai fungsi probabilitas maupun fungsi distribusi kumulatif. Dari fungsi-fungsi inilah, untuk selanjutnya insurer dapat menetapkan harga penanggungan resiko dari insured. Harga penanggungan ini dimaksudkan untuk menghindari insurer dari kerugian (loss). Terjadinya resiko dalam suatu sistem asuransi dari insured dapat memunculkan klaim. Klaim adalah ganti rugi atas suatu resiko kerugian. Apabila resiko tersebut terjadi secara individual maka disebut dengan klaim individu. Klaim individu meliputi dua hal yaitu besar dan jumlah klaim yang terjadi. Model dari besar dan jumlah klaim individu ini diperoleh dari distribusi masing-masing klaim. Dalam seminar matematika ini, penulis akan menggunakan salah satu model dari aplikasi reasuransi yaitu model resiko individual (individual risk models) dengan memberikan suatu asumsi untuk menentukan model dari variabel acak klaim individu sebagai model dari besar klaim individu yang diperoleh dari distribusi masing masing klaim. Sehingga dari model variabel acak klaim individu akan diperoleh model mean dan varians-nya. Selain itu, akan ditentukan distribusi dari model resiko individu dengan menggunakan proses konvolusi (convolution process).

BAB II KAJIAN PUSTAKA 2.1 Asuransi Definisi asuransi menurut Pasal 246 Kitab Undang-undang Hukum Dagang (KUHD) Republik Indonesia : "Asuransi atau pertanggungan adalah suatu perjanjian, dengan mana seorang penanggung (insurer) mengikatkan diri pada tertanggung (insured) dengan menerima suatu premi, untuk memberikan penggantian kepadanya karena suatu kerugian, kerusakan atau kehilangan keuntungan yang diharapkan, yang mungkin akan dideritanya karena suatu peristiwa yang tak tertentu".[5] 2.2 Variabel Acak Diberikan suatu percobaan acak dengan ruang sampel S. Suatu fungsi X yang menyatakan untuk setiap elemen S satu dan hanya satu bilangan real yang

disebut variabel acak. Ruang dari variabel random X adalah suatu himpunan bilangan real A= S}. Variabel acak terdiri dari : (1) variabel acak diskrit adalah

variabel acak yang nilainya berupa bilangan cacah, dapat dihitung dan berhingga (2) variabel acak kontinu adalah variabel acak yang nilainya berupa selang bilangan, tidak dapat dihitung dan tidak berhingga. [14] 2.3 Fungsi Probabilitas Definisi 2.3.1 : Himpunan pasangan terurut merupakan suatu fungsi

probabilitas variabel acak diskrit X jika untuk setiap kemungkinan hasil x memenuhi
1.

2. 3.

. [14]

Definisi 2.3.2 : Fungsi

adalah fungsi probabilitas variabel acak kontinu X, yang

didefinisikan di atas himpunan semua bilangan real R, bila memenuhi

1.

untuk setiap

2.

3.

. [14]

2.4

Fungsi Distribusi Kumulatif Definisi 2.4.1 : Distribusi kumulatif distribusi probabilitas . [14] dinyatakan suatu variabel acak diskrit X dengan oleh

Definisi 2.4.2 : Distribusi kumulatif

suatu variabel acak kontinu X dengan

distribusi peluang

dinyatakan oleh

Jika F(x) merupakan fungsi distribusi kumulatif dari variabel acak kontinu X maka

fungsi densitas dari X dapat ditentukan sebagai

bila turunan ini ada. [14]

Definisi 2.4.3 : Sebarang fungsi

dengan domain bilangan riil dan kodomain

interval [0,1] dikatakan sebagai fungsi distribusi kumulatif jika memenuhi :

1.

dan

2.

adalah fungsi tidak turun artinya jika a < b maka

3.

kontinu dari kanan artinya

.[14]

2.5

Distribusi Bersyarat Distribusi bersyarat yaitu distribusi suatu variabel acak yang bergantung pada nilai variabel acak yang lain. Peluang bersyarat disebut peluang terjadinya suatu kejadian bila diketahui bahwa kejadian telah terjadi dan dinyatakan dengan

, bila

.[14]

Definisi 2.5.1 : Untuk kasus diskrit, peluang bersyarat dari

jika diberikan

adalah

Untuk kasus kontinu, fungsi probabilitas bersyarat dari

jika diberikan

adalah

. Seperti fungsi probabilitas pada kasus satu variabel dan dua

variabel, fungsi probabilitas bersyarat juga mempunyai sifat yaitu,

1.

2.

Dari persamaan

, dapat ditentukan bahwa peluang bersyarat

jika diberikan

adalah

Pendefinisian distribusi bersyarat dari pendefinisian distribusi bersyarat dari dikatakan bahwa

diberikan diberikan

analog dengan . Secara umum, dapat

.[11]

Definisi 2.5.2 : Suatu kejadian dan bebas.[14] 2.6 Ekspektasi

dan

saling bebas jika dan hanya jika . Jika tidak demikian maka dan tak

Definisi 2.6.1: Nilai harapan ekspektasi dari variabel acak diskrit atau kontinu X adalah

dan

dimana

adalah fungsi probabilitas

dari X. Secara umum jika r adalah bilangan bulat positif maka ekspektasi dari X adalah

Beberapa sifat sifat ekspektasi sebagai berikut :

1. Jika k konstanta, maka

2. Jika k konstanta dan v suatu fungsi,maka

Bukti : 1. Berdasarkan definisi 2.6.1

.Karena

adalah fungsi probabilitas

maka

. Sehingga diperoleh

2. Berdasarkan definisi 2.6.1

. Karena

. Sehingga diperoleh

Definisi 2.6.2 : Misalkan X variabel acak dengan distribusi peluang

dan rataan .

Varians X adalah :

dapat dijabarkan sebagai berikut adalah operator linier maka . varians sebagai berikut :
1.

, karena E

Sifat

sifat

dari

untuk k adalah suatu konstanta

2. Jika X adalah suatu variabel acak dan k suatu konstanta maka

Bukti : 1. Dengan menggunakan

maka

2. Dengan menggunakan

maka

[10] Definisi 2.6.3 : Diberikan suatu distribusi pada ( x, y ) dalam bidang probabilitas dengan fungsi atau

untuk diskrit atau fungsi probabilitas f untuk kontinu. Misalkan atau

didefinisikan sebagai distribusi marginal untuk x; dan didefinisikan sebagai distribusi bersyarat dari y diberikan x. Maka dan sebagai varians dari distribusi bersyarat adalah

sebagai mean

dan

. [2] Teorema 2.6.4 : Mean suatu distribusi marginal sama dengan nilai mean dari mean distribusi bersyarat Bukti : atau

[2] Teorema 2.6.6 : varians dari distribusi marginal sama dengan mean dari varians distribusi bersyarat ditambah varians dari means distribusi bersyarat, [2]
8

atau Bukti : Dengan menggunakan teorema 2.6.4 sehingga diperoleh . Dengan menggunakan

[8] 2.7 Hukum Total Peluang Teorema hukum total peluang : Misalkan kejadian dari ruang sampel S dengan anggota S , merupakan suatu partisi

untuk i = 1,2,,k maka untuk setiap kejadian A .

Bukti : kejadian A merupakan gabungan dari sejumlah kejadian yang saling terpisah yaitu saling terpisah maka Berdasarkan definisi peluang bersyarat maka [6] . bila A

2.8

Proses Konvolusi ( Convolution process ) Definisi 2.8.1 : Diberikan X dan Y adalah dua variabel acak kontinu dengan masing masing fungsi probabilitas dan . Asumsikan bahwa dan keduanya

terdefinisi pada setiap bilangan real. Maka konvolusi dari fungsi yang diberikan sebagai berikut atau

dari f dan g adalah

[15]

2.9

Variabel Acak Bernoulli Suatu variabel acak Bernoulli hanya memiliki nilai 0 atau 1, tidak ada nilai lain yang mungkin. Jika X adalah variabel acak Bernoulli, X bernilai 1 jika hasil yang mendasari sukses atau X bernilai 0 jika hasil yang mendasari gagal . [7] Sehingga dapat diberikan secara umum sebagai berikut : Jika X adalah suatu variabel acak Bernoulli maka terdapat kontanta p dan sehingga

.[12]

2.10 Rataan dan varians distribusi binomial Teorema 2.10.1 : Distribusi binomial b ( X;n,p) memunyai rataan dan varians dan

Bukti ; misalkan hasil pada usaha ke j dinyatakan oleh variabel acak bernoulli

yang

mendapat nilai 0 dan 1, masing masing ddengan peluang q dan p. variabel acak Bernoulli dengan dengan nilai ini disebut variabel penunjuk ( indikator ). Jadi

banyaknya sukses dalam suatu percobaan binomial dapat dituliskan sebagai jumlah n variabel penunjuk bebas, sehingga . Setiap memunyai rataan

10

. Sehingga diperoleh rataan binomial , dengan p sebanyak n suku. Varians setiap diberikan oleh

maka

, dengan pq sebanyak n suku. [14]

BAB III PEMBAHASAN 3.1 Model Resiko Individual ( Individual Risk Model ) Diberikan suatu variabel acak S yang didefinisikan sebagai besar resiko

kerugian yang ditanggung suatu perusahaan asuransi. Jika unit resiko individu ke- i,
11

dengan i=1,2,... dipandang sebagai unit besar klaim individu ke-i dan dinotasikan dengan atau . Sehingga model resiko individual ( Individual Risk

Model ) didefinisikan sebagai (3.1.1) dengan merupakan variabel acak yang menyatakan besar klaim individu ke-i N adalah jumlah unit resiko pemegang asuransi ( tertanggung ). Asumsikan bahwa :
1.

suatu variabel acak klaim individu yang saling bebas ( independent random variable ) karena antara variabel acak klaim yang satu dengan yang lainnya tidak saling berhubungan

2.

dapat berupa diskrit ataupun kontinu.

3. Model resiko individual yang digunakan bertipe jangka pendek atau disebut model resiko individual jangka pendek ( Individual Risk Models for a Short Term ) . Asumsi ini dibuat karena dalam prakteknya, perusahaan asuransi membayar benefit kematian atau uang pertanggungan jika tertanggung meninggal dalam kurun waktu yang telah disepakati, dan tidak mempunyai manfaat pembayaran apabila tertanggung tetap hidup sampai masa asuransi berakhir. 4. Model resiko individual yang digunakan bersifat tertutup ( closed models ) artinya jumlah unit resiko pemegang asuransi ( tertanggung ) telah diketahui dan ditentukan pada awal periode.

12

3.2. Model Variabel Acak Klaim Individu ( Models for Individual Claim Random Variables) Dalam menentukan model umum variabel acak klaim individu, dapat menggunakan salah satu konsep dasar dari produk asuransi jiwa yaitu asuransi jiwa jangka satu tahun. Andaikan dalam sebuah asuransi jiwa berjangka satu tahun, perusahaan asuransi menyetujui untuk membayar sebesar b jika tertanggung meninggal dalam jangka 1 tahun, dan tidak membayar jika tertanggung tetap hidup pada tahun tersebut. Peluang selama terjadi klaim selama setahun dinotasikan dengan q. Variabel acak klaim X memiliki sebuah distribusi yang dinyatakan dengan Fungsi padat peluang f(x) yaitu

( 3.2.1 )

dan fungsi distribusi kumulatif F(x) yaitu

( 3.2.2 )

Berdasarkan ( 3.2.1 ) dan ( 3.2.2 ) merupakan suatu distribusi binomial sehingga diperoleh mean dan varians ( 3.2.3 )

( 3.2.4 ) Formula ( 3.2.3 ) dan ( 3.2.4 ) juga dapat diperoleh dari penjelasan berikut ini : Variabel acak klaim X dapat dituliskan ( 3.2.5 )

13

dimana : b adalah jumlah yang dapat dibayar saat terjadi kematian I adalah suatu variabel acak binomial atau variable acak Bernoulli sebagai

indikatot saat

Sehingga diperoleh variabel acak I, dan

dan

, maka mean dan varians dari . Diperoleh mean dan varians dari

variabel acak klaim individu X,

Berdasarkan formula ( 3.2.5 ), diperoleh secara umum model variabel acak klaim individu yaitu ( 3.2.6 ) dengan : X = Variabel acak klaim dalam periode tertentu B = Total jumlah klaim yang dikeluarkan dalam periode tertentu I = Indikator untuk kejadian yang terjadi kurang dari satu klaim Model variabel acak klaim individu tersebut dapat diaplikasikan dalam produk asuransi seperti jaminan kesehatan, jaminan kerusakan mobil, dan lain lain. Contoh 1: Diberikan sebuah aplikasi asuransi jiwa jangka satu tahun pada kasus kematian karena kecelakaan, untuk menentukan distribusi dari I dan B dari model variable acak klaim individu. Jika besarnya santunan ( benefit ) yang diberikan untuk kasus meninggal karena kecelakaan sebesar $50.000. jika besarnya santunan yang
14

diberikan untuk kasus meninggal bukan karena kecelakaan sebesar $25.000. Asumsikan bahwa asuransi ini untuk individu berdasarkan umur,kesehatan dan pekerjaaan. Jika peluang terjadinya kematian karena kecelakaan dalam tahun tersebut adalah dan peluang terjadinya kematian bukan karena kecelakaan adalah B untuk menentukan peluang I, . Menjumlahkan kemungkinan dan . Maka distribusi bersyarat dari B,

diberikan

, adalah

dan

3.3. Mean dan Varians dari Model Variabel Acak Klaim Individu Dalam menentukan mean dan varians dari variabel acak klaim individu , dapat menggunakan teorema ekspektasi bersyarat yang pembuktiannya dapat dilihat di bab 2 subbab 2.6 : dan ( 3.3.1 )

Substitusikan X untuk W dan I untuk V sehingga formula ( 3.3.1 ) menjadi, dan

Sekarang tulis,

dan

Untuk memeroleh mean bersyarat,

15

Amati bahwa,

dan

(3.3.2)

Formula (3.3.2),mendefinisikan umum , sehingga

sebagai fungsi dari I, maka dapat ditulis secara

dan

(3.3.3)

(3.3.4)

Untuk memeroleh varians bersyarat,

Amati bahwa,

dan

(3.3.5)

Formula (3.3.5), mendefinisikan secara umum , sehingga

sebagai fungsi dari I, maka dapat ditulis

(3.3.6) Jadi, berdasarkan formula (3.3.3), (3.3.4) dan (3.3.6) diperoleh mean dan varians dari model variabel acak klaim individu yaitu

dan (3.3.7) Contoh 2 : Sebuah asuransi mobil ( automobile insurance ) memberikan jaminan asuransi terhadap kerusakan mobil yang diakibatkan oleh tabrakan. Asumsikan: (1) Peluang dari satu klaim dalam periode tertentu maka
16

. (2) distribusi B memiliki fungsi probabilitas dengan ukuran klaim maximum 2000, , (3) Besar klaim yang diberikan antara $0 dan $2.000 yang

dapat dimodelkan oleh distribusi kontinu dengan fungsi probabilitas

untuk

. Akan ditentukan mean dan varians klaim yang diperoleh individu pemegang asuransi dari perusahaan asuransi automobile. Penyelesaian : Diasumsikan bahwa fungsi probabilitas tersebut memenuhi definisi fungsi probabilitas : (1) . dicek apakah untuk

setiap

R maka

memenuhi

(2)

maka

ternyata

tidak

memenuhi. Sehingga ada suatu parameter misal k sedemikian hingga fungsi probabilitas tersebut sama dengan 1. Dengan menggunakan maka ditentukan nilai k , dapat

17

Sehingga B berdistribusi kontinu dengan fungsi probabilitas (p.f) untuk B diberikan I=1adalah

dengan

Diperoleh fungsi distribusi kumulatif dari distribusi bersyarat B adalah

Gambar 1. Fungsi Distribusi kumulatif untuk B diberikan I =1 Berdasarkan di atas, bahwa fungsi probabilitas untuk B bertipe kontinu dan diskrit maka untuk menentukan ekspektasi dari distribusi B yaitu dengan menjumlahkan ekspektasi untuk tipe kontinu dan diskrit

18

Maka diperoleh mean dan varians dengan menggunakan formula (3.3.7) dimana

3.4. Distribusi dari Model Resiko Individu Berdasarkan model resiko individu diketahui

bahwa besar resiko kerugian yang ditanggung suatu perusahaan asuransi sama dengan jumlah beberapa klaim dari individu pemegang asuransi. Selain itu, telah diasumsikan bahwa klaim dari individu bersifat saling bebas ( independent). Menentukan distribusi dari jumlah variabel acak klaim individu dapat menggunakan metode konvolusi. Pertama, menentukan terlebih dahulu distribusi dari jumlah dua variabel acak klaim individu. Diberikan model resiko individu dengan dua variabel acak klaim individu:
y

. Berikut ilustrasi grafik dari

19

Gambar 2. Grafik kejadian Berdasarkan gambar di atas , terdapat garis X+Y=s dan daerah di bawah garis yang didefinisikan sebagai kejadian dari S adalah . Sehingga fungsi distribusi kumulatif (3.4.1)

Untuk menentukan fungsi distribusi kumulatif dari dua variabel acak klaim individu nonegatif bertipe diskrit, menggunakan hukum total peluang (Law of total probability), sehingga formula (3.4.1) menjadi

(3.4.2) bila X dan Y saling bebas maka formula (3.4.2) menjadi (3.4.3) yang merupakan fungsi distribusi kumulatif dari dua variabel acak klaim individu nonegatif bertipe diskrit. Analogi dengan penyelesaian di atas diperoleh fungsi probabilitas dari dua variabel acak klaim individu nonegatif bertipe diskrit yaitu

(3.4.4) bila X dan Y saling bebas maka formula (3.4.4) menjadi

20

(3.4.5) yang merupakan fungsi probabilitas dari jumlah dua variabel acak klaim individu nonegatif bertipe diskrit. Untuk menentukan fungsi distribusi kumulatif dari dua variabel acak klaim individu nonegatif bertipe kontinu, menggunakan hukum total peluang (Law of total probability), sehingga formula (3.4.1) menjadi

(3.4.6)

bila X dan Y saling bebas maka formula (3.4.6) menjadi (3.4.7) yang merupakan fungsi distribusi kumulatif dari jumlah dua variabel acak klaim individu nonegatif bertipe kontinu. Analogi dengan penyelesaian di atas diperoleh fungsi probabilitas dari dua

variabel acak klaim individu nonegatif bertipe kontinu yaitu

(3.4.8)

bila X dan Y saling bebas maka formula (3.4.8) menjadi (3.4.9) yang merupakan fungsi densitas dari jumlah dua variabel acak klaim individu nonegatif bertipe kontinu.

21

Dalam matematika analisis, formula (3.4.3) dan (3.4.7) disebut dengan konvolusi dari fungsi distribusi dan yang dinotasikan dengan .

Sehingga untuk menentukan fungsi distribusi dari jumlah dua atau lebih variabel acak klaim individu, dapat menggunakan proses konvolusi secara iteratif. Berdasarkan model resiko individu

dimana

variabel acak yang saling bebas

fungsi distribusi dari

fungsi distribusi dari Maka diperoleh proses konvolusi secara iteratif sebagai berikut : F(2) = F2 * F(1)=F2 * F1 F(3) = F3 * F(2) F(4) = F4 * F(3) : Fs = F(n) = Fn * F(n-1) Bila suatu variabel acak berdistribusi identik dan saling bebas ( (3.4.10) , i=1,2,) maka .

distribusi ini disebut konvolusi n kali lipat dari F dan dinotasikan dengan

Contoh 3: Jika X dan Y adalah variabel acek saling bebas yang memiliki fungsi probabilitas sebagai berikut

Tentukan fungsi probabilitas dari penjumlahan dua variabel tersebut ,

22

Penyelesaian : proses konvolusi dari

dan

untuk menentukan fungsi probabilitas

dari dua variabel acak yang diberikan sebagai berikut

Sehingga

Contoh 4: Diketahui variabel acak diskrit

saling bebas. Diberikan suatu

fungsi peluang yang didefinisikan pada kolom (1),(2) dan (3) pada tabel 1 berikut ini: (1) 0 1 2 3 4 5 6 7 8 9 10 11 12 0,4 0,3 0,2 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 (2) 0,5 0,2 0,1 0,1 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 (3) 0,6 0,0 0,1 0,1 0,1 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 (4) 0,4 0,7 0,9 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 (5) 0,20 0,43 0,63 0,79 0,90 0,96 0,99 1,00 1,00 1,00 1,00 1,00 1,00 (6) 0,120 0,258 0,398 0,537 0,666 0,781 0,869 0,928 0,964 0,985 0,995 0,999 1,000 (7) 0,2 0,23 0,20 0,16 0,11 0,06 0,03 0,01 0,00 0,00 0,00 0,00 0,00 (8) 0,120 0,138 0,140 0,139 0,129 0,115 0,088 0,059 0,036 0,021 0,010 0,004 0,001

Untuk menghitung fungsi distribusi dan fungsi peluang dari menggunakan proses konvolusi berikut : 1.
2.

Kolom (1),(2) dan (3) telah diberikan Kolom (4) adalah fungsi distribusi dari kolom (1) dengan menggunakan propertis fungsi distribusi

23

3.

Kolom (5) diperoleh dari perhitungan menggunakan formula (3.4.3) dan (3.4.10) maka

4.

Kolom (6) dari perhitungan formula (3.4.3) dan (3.4.10) maka

5.

Kolom (7) dari perhitungan formula (3.4.5) dan (3.4.10) maka

6.

Kolom (8) dari perhitungan formula (3.4.5) dan (3.4.10) maka

BAB IV
24

PENUTUP 4.1 Kesimpulan Berdasarkan model resiko individu, diperoleh model dari tiap variabel acak klaim individu pada persamaan (3.2.5) dan (3.2.6). Dari model variabel acak tersebut dapat ditentukan mean dan varians dari variabel acak klaim individu yang diperoleh pada persamaan (3.3.7). Selain itu, dengan menggunakan proses konvolusi diperoleh distribusi dari model resiko individu seperti pada subbab 3.4.

4.2

Saran Dalam makalah seminar ini, model variabel acak klaim individu dapat berbedabeda, tergantung aplikasi asuransi yang digunakan. Penulis menggunakan contoh apikasi asuransi jiwa untuk jangka 1 tahun untuk menentukan variabel acak klaim individu, yang pada dasarnya hal ini jarang sekali diterapkan dalam praktek asuransi jiwa sekarang ini. Oleh karena itu disarankan untuk ada pengkajian masalah model variabel acak klaim individu dengan menggunakan aplikasi asuransi jiwa yang lebih kompleks dan aplikatif.

25

Daftar Pustaka [1] [2]

[3]

BOWERS, N L, GERBER, H U, HICKMAN, J C, JONES, D A and NESBrrr, C J (1986) Actuarial Mathemattcs. Ltasca: Society of Actuaries. Fraser.D.A.S (1976) Probability and Applications. Belmont,California: Wadsworth Publishing Company, INC. Getut Pramesti (2011), Distribusi Rayleigh untuk klaim agregasi [online]. Termuat di: eprints.undip.ac.id/33676/1/7_artikel5_Getut.pdf [tanggal akses:7 April 2012]. Hogg, V Robert and Allen T,Craig (1978) Introduction to Mathematical Statistics . United States of America : Macmilian Publising Co,inc. Yanoear 2012]. (2010) Pengertian Asuransi. Termuat di:

[4] [5]

http://yanoear46.wordpress.com/2010/06/02/pengertian-asuransi/ [tanggal akses: 5 Mei

[6]

Jaimie Kwon (2005), The law of total probability and April 2012].

[online]. Termuat di:

algebra.sci.csueastbay.edu/~jkwon/classes/stat.../3401-w4-mon.pdf [tanggal akses:14 [7] [8] James Thurber, Bernoulli and Binomial Random Variables [online]. Termuat di: www.stat.purdue.edu/~mdw/399fall2010/ch15.pdf [tanggal akses:6 Mei 2012]. K. Ottegoda,Nathabandu T and Renzo Rosso (1997) Statistics, Probability and Reliability for Civil and Environmental Engineers. Singapore: McGraw-Hill Companies.Inc.
[9]

K. 2012].

Syuhada,

PhD,

MA4081

Pros.Stok

[online].

Termuat

di:

personal.fmipa.itb.ac.id/khreshna/files/2011/02/bab-2-prosstok.pdf [tanggal akses:5 Mei

26

[10] Nar Herrhyanto, Ringkasan pertemuan keenam statistika matematika 1 [online]. Termuat [11] Nunung di: file.upi.edu/.../FILE_10_PERTEMUAN_KEENAM_STATMAT_1.pdf Teori Peluang (PAM 2231) [online]. Termuat di: [ tanggal akses: 8 Mei 2012]. Nurhayati, nunung.blog.unsoed.ac.id/.../Slide-190412_Distribusi_Bersyarat.pdf [tanggal akses: 5 Mei 2012]. [12] Notes on Bernoulli and Binomial random variables (2010) [online]. Termuat di: people.math.gatech.edu/~ecroot/3225/binomial_notes.pdf [tanggal akses: 6 Mei 2012]. [13] Spiegel, Murray.R (1982) Probability and Statistics. Singapore: McGraw-Hill International. [14] Walpole, R.E. dan Myers, R.H. (1978) Probability and Statistics for Engineers and Scientists. MacMillan Publishing Co., Inc. New York. Terjemahkan oleh RK Sembiring (1995) Penerbit ITB, Bandung. [15] www.dartmouth.edu/~chance/teaching_aids/books.../Chapter7.pdf April 2012].
[16] www.roymech.co.uk/Useful.../Maths_Fourier_convolutions.html [tanggal akses: 8 April

[tanggal akses: 8

2012].

27

Lampiran 1 DAFTAR ISTILAH 1. Aktuaris : Orang yang secara profesional telah menjalani pelatihan dalam berbagai aspek teknis asuransi, pensiun dan bidang-bidang terkait lainnya. Aktuaris bertanggung jawab memperkirakan berapa dana yang diperlukan dalam bentuk premi atau iuran pensiun untuk pembayaran manfaat jangka panjang. Unit kerja di mana para aktuaris bekerja disebut aktuaria. 2. Asuransi Jiwa Jangka Pendek (Term Insurance) : Polis asuransi jiwa dengan masa pertanggungan tertentu (tidak seumur hidup) 3. Klaim : Permintaan atau tuntutan pembayaran manfaat sesuai dengan ketentuan yang diatur dalam polis. 4. Pemegang Polis : orang atau sekelompok orang yang melakukan perikatan kontrak asuransi (polis) dengan perusahaan asuransi. Pemegang polis (policy holder) yang juga disebut pemilik polis (policy owner) adalah pihak yang melakukan pembayaran premi. 5. Penanggung (insurer) : pihak yang berjanji akan membayar sejumlah uang (santunan) kepada pihak tertanggung, sekaligus atau secara berangsur-angsur apabila terjadi sesuatu yang mengandung unsur tak tertentu. 6. Polis Asuransi : bukti tertulis atau surat perjanjian antara pihak- pihak yang melakukan perjanjian asuransi. 7. Polis Individu : Polis asuransi yang memberikan pertanggungan asuransi kepada perorangan/individu dan, dalam beberapa kasus, anggota keluarganya. 8. Premi Asuransi adalah, kewajiban pihak tertanggung kepada pihak penanggung yang berupa bayaran uang dalam jumlah tertentu secara periodik.
28

9. Risiko : Kerugian yang dapat terjadi atau individu yang dipertanggungkan 10. Tertanggung (Insured) : orang atau sekelompok orang yang risikonya dipertanggungkan dalam kontrak asuransi.

Sumber : http://solusiasuransi.com/daftar-istilah/ [tanggal akses: 6 April 2012].

SEMINAR MATEMATIKA
Individual Risk Models

Disusun oleh : Choirotul Ummah 093214003

29

Jurusan Matematika Fakultas Matematika dan Ilmu Pemgetahuan Alam Universitas Negeri Surabaya 2012

30