Pendekatan Compound Poisson-Lognormal untuk Estimasi Kerugian Agregat dan Manajemen Modal Pada Asuransi Kendaraan

Abstrak

Model kerugian agregat tahunan asuransi kendaraan menggunakan pendekatan Compound Poisson-Lognormal untuk mendukung perencanaan Risk-Based Capital (RBC), penentuan premi, dan strategi reasuransi. Parameter distribusi frekuensi klaim (Poisson) dan severitas klaim (Lognormal) diestimasi dari data historis, lalu digunakan dalam simulasi Monte Carlo untuk menghasilkan distribusi kerugisan agregat. Ukuran risiko yang dianalisis mencakup nilai harapan, Value-at-Risk (VaR), dan Tail Value-at-Risk (TVaR) pada tingkat kepercayaan 95% dan 99%. Hasilnya menunjukkan rata-rata kerugian tahunan sebesar Rp. 4,89 miliar, dengan  miliar dan  miliar. Analisis pembebanan premi (20%, 30%, 40%) mengindikasikan bahwa target modal berbasis  memberikan margin keamanan lebih tinggi. Evaluasi beberapa batas retensi reasuransi menunjukkan titik optimal di mana biaya premi sebanding dengan penghematan modal, Skenario stress testing (+20% frekuensi atau +30% severitas) meningkatkan kebutuhan modal hingga , menegaskan pentingnya manajemen risiko proaktif. Kerangka kuantitatif ini dapat menjadi dasar keputusan strategis bagi perusahaan asuransi dalam menetapkan premi, mengelola RBS, dan mengoptimalkan perlindungan reasuransi.