RESCOLLACOMMRESCOLLACOMM

International Journal of Quantitative Research and ModelingInternational Journal of Quantitative Research and Modeling

Bidang ilmu aktuaria memerlukan perhitungan premi bersih yang akurat, tetapi pendekatan tradisional sering mengabaikan dinamika makroekonomi seperti inflasi dan suku bunga. Penelitian ini menggunakan suku bunga kebijakan Bank Indonesia, yang diwakili oleh BI Rate (sebelum 2016) dan BI 7-Day Reverse Repo Rate (setelah 2016), sebagai variabel suku bunga acuan. Dengan data time-series tahunan 2005‑2023, penelitian ini menerapkan regresi Ordinary Least Squares (OLS) untuk mengukur hubungan antara indikator makroekonomi dan nilai premi bersih yang dihitung menggunakan Tabel Mortalitas Indonesia (TMI‑2019). Hasil menunjukkan bahwa inflasi memiliki efek positif yang signifikan terhadap nilai premivolving свя, sementara BI Rate menunjukkan efek negatif yang signifikan, sesuai dengan teori aktuaria mengenai mekanisme diskonto nilai sekarang. Nilai halo teradjusted R‑squared sebesar 0.847 menunjukkan model memiliki kekuatan penjelasan yang kuat atas variasi nilai premi bersih. Temuan ini memberikan panduan praktis bagi perusahaan asuransi dan Otoritas Jasa Keuangan (OJK) dalam menetapkan cadangan premi di bawah kondisi makroekonomi dinamis, sekaligus mengisi kekosongan dalam perpaduan ilmu aktuaria dan pemodelan makroekonomi di konteks Indonesia.

Penelitian ini menghitung dampak variabel makroekonomi terhadap perhitungan premi bersih aktuaria untuk asuransi jiwa berjangka di Indonesia menggunakan regresi OLS periode 2005–2023.Hasil menunjukkan bahwa inflasi memiliki pengaruh positif signifikan, sedangkan suku bunga BI memiliki pengaruh negatif signifikan, sehingga model menjelaskan 84_metadata% variasi premi bersih.Implikasi praktisnya adalah bahwa perusahaan asuransi dan OJK perlu memasukkan proyeksi makroekonomi ke dalam model penetapan premi serta mempertimbangkan uji sensitivitas cadangan premi, meskipun studi ini terbatas pada satu profil nasabah, sampel kecil, dan variabel makroekonomi lainnya tidak diperhitungkan.

Pertama, melakukan studi panel dengan mengumpulkan data tahunan premi bersih dari berbagai kelompok usia, jenis produk asuransi, dan daerah di Indonesia untuk menguji konsistensi hubungan makro‑ekonomi pada tingkat mikro. Kedua, memperluas model dengan menambahkan variabel makroekonomi lain seperti tingkat pengangguran, nilai tukar, dan pertumbuhan GDP, serta menerapkan metode regresi multivariat seperti panel data dengan efek tetap atau acak untuk menangkap dinamika temporer dan spasial. Ketiga, mengeksplorasi model nonlinear atau machine learning (misalnya regresi ridge, random forest, atau neural network) untuk memprediksi premi bersih, guna menilai apakah hubungan antara inflasi atau BI Rate dengan premi bersih tidak linier dan memperbaiki akurasi peramalan premium di masa depan.

Read online
File size349.04 KB
Pages6
DMCAReport

Related /

ads-block-test