JUDUL SKRIPSI :
ESTIMASI PERUSAHAAN ASURANSI JIWA DI INDONESIA
DENGAN PENDEKATAAN ADAPTIVE NEURO FUZZY
Disusun oleh :
Nama
: FITRI APRILIANA
NPM
: 20208521
Jurusan
: Akuntansi
JUMLAH KEKAYAAN INDUSTRI ASURANSI Keterangan Tahun 2003 2004 2005 2006 2007 Asuransi Jiwa 32.932,7 44.878,5 53.940,3 71.034,1 102.137,2 Asuransi Kerugian 16.358,9 19.197,8 21.254,2 23.760,8 28.418,5 Reasuransi 816,5 953,3 1.147,3 1.147,3 1.221,5 Program Asuransi Sosial &
Jaminan Sosial 27.908,6 34.562,4 34.562,2 51.546,8 63.598,2 Program Asuransi untuk PNS &
TNI / POLRI / 16.076,8 20.313,6 20.313,6 27.371,0 33.304,9 Jumlah /total 94.093,5 119.905,6 131.217,6 174.934,2 228.828,6
Bagaimana
tingkat
rasio
likuiditas, RBC, Rasio Beban
Klaim dan pendapatan premi
pada perusahaan asuransi
jiwa pada tahun 2007-2010
Bagaimanakah
bentuk
inferensi fuzzy Pendapatan
Premi
dengan
metode
Adaptive Neuro Fuzzy
?
Bagaimanakah perbandingan
pendapatan premi metode
ANFIS apabila dibandingkan
dengan pendapatan premi
aktuaL
Bagaimana
tingkat
keakurasian
dari
ANFIS
dalam mengenai pendapatan
premi
.
RUMUSAN MASALAH
BATASAN MASALAH
Dalam Penulisan ini, hanya membatasi masalah pada perusahaan Asuransi yaitu yang tercatat di
Asosiasi Asuransi Jiwa Indonesia.Data yang
digunakan untuk penelitian yaitu dari periode 2007- 2010 dengan sampel 11 perusahaan asuransi jiwa. Data tersebut lalu diolah menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS).
Untuk mengetahui tingkat rasio likuiditas, RBC, Rasio Beban Klaim dan pendapatan premi pada perusahaan asuransi jiwa pada tahun 2007-2010
Untuk mengetahui bentuk inferensi fuzzy pendapatan premi dengan metode Adaptive Neuro Fuzzysehingga dapat dilakukan pengkategorian.
Untuk mengetahui perbandingan pendapatan premi metode ANFIS apabila dibandingkan dengan pendapatn premi aktual.
Untuk mengetahui tingkat keakurasian ANFIS mengenai pendapatan premi
LANDASAN TEORI
ASURANSI
Perusahan ASURANSI JIWA
Karakteristik Perusahaaan
Asuransi Jiwa
Pendapatan premi asuransi,
Likuiditas , RBC, Rasio beban Klaim
ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM)
Perusahaan Asuransi
(Undang-Undang Nomor 2 tahun 1992)
Asuransi Jiwa
Undang-Undang Nomor 2 tahun 1992)
Likuiditas
RBC
(KMK) nomor 424/KMK.06/2003
Rasio Beban Klaim
KERANGKA PEMIKIRAN
Pendapatan Premi
IAI, 2000
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
OBJEK PENELITIAN Perusahaan Asuransi Jiwa dan Sampel dalam penelitian ini adalah 11 perusahaan asuransi jiwa yang terdaftar di Asosiasi Asuransi Jiwa Indonesia .
Data yang dipilih meliputi beberapa hal yaitu ;
1. Menerbitkankan laporan keuangan yang telah diaudit setiap tahun periode tahun 2007 sampai 2010
2. Merupakan Perusahaan asuransi jiwa yang
terdaftar di Asosiasi Asuransi Jiwa
Indonesia dan Dewan Asuransi Indonesia, Pertumbuhan aset rata-rata 3 tahun (2007– 2010)
3. Perusahaan yang berlaba dan
pertumbuhan labanya tidak negative
selama tiga tahun berturut-turut pada tahun 2007 sampai 2010
4. Merupakan perusahaan asuransi jiwa yang sehat menurut 424/KMK.06/2003.
V
A
R
I
A
B
E
L
VARIABEL INPUT
Likuiditas
RBC
Rasio beban KlaimVARIABEL OUTPUT
Pendapatan Premi
METODE PENELITIAN
METODE ANALISIS DATA
Setelah variabel terkumpul, selanjutnya adalah
melakukan analisis data
yaitu melakukan proses permodelan pendapatan premi sehingga
bisa
diketahui seberapa besar pengaruh yang diterima oleh variable output.
.
Proses permodelan dilakukan dengan bantuan aplikasi aplikasi Matlab
R2010b. Kemudian diolah dengan ANFIS (
Adaptive Neuro Fuzzy Inference
HASIL PENELITIAN
NO. Asuransi JiwaTahun Likuiditas (%) 1 PT.Prudential 2007 150 2008 109 2009 161 2010 185 2 PT.Allianz 2007 296 2008 390 2009 529 2010 439 3 PT.CommenWealth 2007 204 2008 217 2009 143 2010 141 4 PT.Asuransi Adisarana 2007 407.19 2008 428.6 2009 1244.81 2010 426.47 5 PT.AXA MANDIRI 2007 2.58 2008 48.97 2009 99.91 2010 125.99
6 PT.SUN LIFE INDONESIA
2007 2.544 2008 1.184 2009 203 2010 180 7 PT.SEQUIS FINANCIAL 2007 214 2008 289 2009 211 2010 200 8 PT.SINAS MAS 2007 189 2008 265 2009 199 2010 937 9 PT.SEQUIS LIFE 2007 967 2008 1167 2009 146 2010 167 10 PT.ASURANSI JIWASRAYA 2007 2456.97 2008 1229.61 2009 1617.31 2010 1280.95
11 BNI LIFE INSURANCE
2007 726 2008 696 2009 105 2010 111
dapat ditarik kesimpulan sebagian besar perusahaan yang diperoleh dari tahun 2007-2010 bahwa dapat disimpulkan bahwa likuiditas dapat mempengaruhi pendapatan premi perusahaan yang yang terlihat dari peningkatan dan penurunan dari tahun ketahun dan juga kondisi/ kesehatan keuangan perusahaan yang baik dapat dilihat dari tingkat likuiditas.
HASIL PENELITIAN
RBC (Risk Based Cpital
NO. Asuransi JiwaRBC(%) 1 PT.Prudential 362 206 420 664 2 PT.Allianz 255 306 428 499 3 PT.CommenWealth 336 404 505 609 4 PT.Asuransi Adisarana 192 187 137 144 5 PT.AXA MANDIRI 882 1463 719 718
6 PT.SUN LIFE INDONESIA 242 176 239 284 7 PT.SEQUIS FINANCIAL 832 896 1207 1363 8 PT.SINAS MAS 130 194 302 469 9 PT.SEQUIS LIFE 188 173 208 263 10 PT.Asuransi Jiwasraya 142 153 140 156 11 BNI LIFE INSURANCE 159 290 210 172
dapat disimpulkan sebagian besar perusahaan yang diperoleh dari tahun 2007-2010 Risk Based Capital sudah cukup baik dan melampaui ketentuan dari Menteri Keuangan dikarnakan bahwa dari kesehatan suatu perusahaan asuransi yang harus dipenuhi oleh sebesar 120% Semakin besar rasio kesehatan RBC sebuah perusahaan asuransi, semakin sehat kondisi financial perusahaan tersebut dan posisi keuangan yang sangat kuat
NO. Asuransi Jiwa Rasio Beban (%) 1 PT.Prudential 93 4.79 111 88.69 2 PT.Allianz 95.21 59.24 103.21 95.43 3 PT.CommenWealth 70.02 34.68 113.52 98.76 4 PT.Asuransi Adisarana 84.54 93.36 99.31 95.86 5 PT.AXA MANDIRI 121 3.34 245 120
HASIL PENELITIAN
Rasio Beban Klaim
6 PT.SUN LIFE INDONESIA 128 22.2 185 131 7 PT.SEQUIS FINANCIAL 36.174 24.535 28.8 35373 8 PT.SINAS MAS 102 110 110 107 9 PT.SEQUIS LIFE 115 55.78 98.94 123 10 PT.Asuransi Jiwasraya 896 99.9 90.59 100.23
11 BNI LIFE INSURANCE
57.6 154 87.86 55.11
dapat disimpulkan sebagian besar perusahaan yang diperoleh dari tahun 2007-2010, Besarnya hasil beban klaim pada setiap tahunnya sangat bervariasi pada setiap perusahaan dan mencerminkan nilai perolehan premi yang didapat dari setiap tahun. Semakin besar nilai perolehan premi maka akan membuat besar klaim menjadi semakin tinggi, hal ini cukup logis karena premi yang didapatkan perusahaan mengandung unsur risiko yang memicu terjadinya klaim.
NO. Asuransi Jiwa Tahun Pendapatan Premi 1 PT.Prudential 2007 5.422.983 2008 6.784.998 2009 7.171.598 2010 9.715.331 2 PT.Allianz 2007 2.691.279 2008 2.84.855 2009 3.213.281 2010 4.728.805 3 PT.CommenWealth 2007 683.261 2008 607.799 2009 671.499 2010 1.184.498 4 PT.Asuransi Adisarana 2007 237.906 2008 542.902 2009 589.178 2010 1.750.386 5 PT.AXA MANDIRI 2007 2.191.540 2008 1.904.820 2009 1.336.014 2010 2.771.134
6 PT.SUN LIFE INDONESIA
2007 1.072.325 2008 955.854 2009 612.444 2010 736.668 7 PT.SEQUIS FINANCIAL 2007 47.285 2008 52.333 2009 37.046 2010 31.938 8 PT.SINAS MAS 2007 4.231.167,43 2008 5.123.877,79 2009 7.115.864,75 2010 9.282.948,63 9 PT.SEQUIS LIFE 2007 1.126.084 2008 1.184.093 2009 1.088.951 2010 1.359.526 10 PT.ASURANSI JIWASRAYA 2007 2.248.872,35 2008 2.295.970,98 2009 2.474.245,35 2010 3.498.827,55
11 BNI LIFE INSURANCE
2007 679.510.212.171 2008 764.262.903.158 2009 999.252.035.510 2010 1.332.545.703.17 3
HASIL PENELITIAN
bahwa dapat disimpulkan sebagian besar perusahaan yang diperoleh dari tahun 2007-2010 sangat terlihat pada perusahaan asuransi jiwa seperti PT.Prudential Assurance pada tahun 2007 sebesar Rp. 5.422.983 dan pada tahun 2010 sebesar Rp. 9.715.331 terjadi peningkatan sebesar Rp.4.292.348 dan seterusnya sehingga terjadi peningkatkan pertumbuhan di setiap tahunnya dan pada PT.Sequis Financial pada tahun 2007 sebesar Rp. 47.285 dan tahun 2010 sebesar Rp. 31.938 terjadi penurunan sebesar Rp.15.302
.
TAHAP IMPLEMENTASI ANFIS
Persiapan Data Time Series
Pembentukan Jumlah Pusat
Cluster
T
Training dan Checking data
Input- Output
Pembentukan Rule
HASIL PENELITIAN
Permodelan Output Subtractive Clustering
Cluster Input 1 Input 2 Input 3 Output 1 Cluster 1 0.002 0.0024 0.0019 0.612 Cluster 2 0.0014 0.0061 0.001 1.184 Cluster 3 0.0043 0.0019 0.0095 0.543 Cluster 4 0.0016 0.003 0.0011 7.116 Cluster 5 0.0053 0.0043 0.0011 3.213 Cluster 6 0.0011 0.0021 0.0094 6.785 Cluster 7 0.0012 0.009 0.0025 0.052 Cluster 8 0.0094 0.0028 0.0013 0.737 Cluster 9 0.0097 0.0083 0.0036 0.047 Cluster 10 0.0019 0.0066 0.0092 9.715
No. Hasil Cluster Tahun
1 PT.SUN LIFE INDONESIA 2009
2 PT.CommenWealth 2010 3 PT.Asuransi Adisarana 2008 4 PT.SINARMAS 2009 5 PT.ALLIANZ 2009 6 PT.Prudential 2008 7 PT.SEQUIS FINANCIAL 2008
8 PT.SUN LIFE INDONESIA 2010
9 PT.SEQUIS FINANCIAL 2007
10 PT.Prudential Life Assurance 2010
Dari
Hasil
Cluster
dapat
dikategorikan sebagai berikut :
No. Nama Perusahaan
1 PT Prudential Life Assurance
2 PT AXA Mandiri Financial
3 PT Commonwealth
4 PT Asuransi Jiwa Adisarana Wanaartha
HASIL PENELITIAN
terlihat bahwa output yang dihasilkan sistem fuzzy tampak mengikuti arah
training. Output ditunjukan dengan simbol bintang berwarna merah dan
data training dengan simbol lingkaran berwarna biru.
HASIL PENELITIAN
Selanjutnya dari proses training data akan dibentuk fuzzy rule sesuai
jumlah pusat cluster yang ada yaitu 10 fuzzy rule
HASIL PENELITIAN
Keakurasian Hasil Asumsi ANFIS
Dari hasil data yang telah di checking terdapat error negatif terkecil
adalah -17
dan positif terkecil adalah 29. Error negatif terkecil terjadi pada vektor BNI Life
Insurance pada tahun 2007 . Error positif terkecil pada vektor PT.SEQUIS LIFE pada
tahun 2008
-3000 -2500 -2000 -1500 -1000 -500 0 500 1000 1 2 3 4 5 6 7 8 9 10 11 ERRORHasil Penelitian
Analisis Error
Secara keseluruhan, Adaptive Neuro Fuzzy Inference System (ANFIS) mampu
melakukan training atas data dan memodelkan kelakuan hubungan
input-output dengan baik, hal ini dibuktikan dengan rata-rata tingkat error mampu
KESIMPULAN
Dari keseluruhan hasil yang didapat maka dapat diambil
kesimpulan bahwa jika dilihat dari sebagian besar dari variable
input yaitu Likuidasi,RBC dan Rasio Beban Klaim sudah sesuai.
Begitu juga dengan variable output pada hasil perhitungan
pendapatan premi yaitu PT . PT.Prudential Assurance mengalami
peningkatan dan diikuti juga dengan perusahaan-perusahaan
lainnya tetapi pada PT.SEQUIS FINANCIAL yang mengalami
penurunan.
A
N
F
I
S
Pada Permodelan ANFIS menghasilkan 10 aturan fuzzy dimana yang bisa memodelkan kelakuan input-output antara variable (rasio likuiditas, RBC, Rasio Beban Klaim) dan pendapatan premi. Secara Keseluruhan, Adaptive Neuro Fuzzy System ( ANFIS).
Dalam Perbandingan keakurasian antara asumsi ANFIS dengan asumsi AKTUAL sudah cukup bagus dalam hal ini dapat dibuktikan dengan rata-rata error memcapai 0 yaitu sebesar 0.0012154.
Dari data training yang dapat di uji dengan baik, mengalami selisih antara aktual pendapatan premi dan pendapatan premi anfis yaitu terlihat error negatif terkecil adalah -17 dan positif terkecil adalah 29
Penelitian selanjutnya diharapkan dapat menambah variabel lain di luar variabel yang digunakan dalam penelitian ini, yaitu seperti memasukan Investasi sebagai pelengkap RBC dan beberapa variable harus dipertimbangkan .
selanjutnya mungkin dapat mempertimbangkan beberapa variabel eksternal di luar penelitian ini.
Meski tingkat keakurasian hasil estimasi cukup baik dengan tingkat error yang kecil yaitu sebesar 0.0012154, kedepannya diharapkan untuk memperhatikan faktor –faktor diluar penelitian ini.
Bagi Asosiasi Asuransi Jiwa Indonesia , diharapkan sebaiknya Asosiasi memakai ANFIS dalam melakukan pemeringkatan ataua pengkategorian perusahan asuransi tersebut.
Sekian dan Terima Kasih
MATRIK
NO
.
Nama,thn
Judul,analisa
Kesimpulan
1
Irma Mutiarani
Analisis PemeringkatanKesehatan Keuangan
Perusahaan Asuransi dengan
Pendekatan Fuzzy Logic
Metode Mamdani dan Sugeno
Hasil pengujian Fuzzy Logic
Toolbox
dengan
metode
mamdani dan sugeno sebagian
besar
perusahaan
asuransi
sudah
tepat
dalam
pengambilan keputusan dalam
penetapan premi,
2.
3.
SYUDASTRI
Niken Wulandari
Estimasi Tingkat Inflasi Di Indonesia Dengan Pendekatan Adaptive Neuro Fuzzy.
nilai tukar, jumlah uang beredar, suku bunga PUAB, dan output gap
Analisis Pengaruh Risk Based capital dan Underwriting Ratio Terhadap Profitabilitas Pada Perusahaan Asuransi Kerugian
analisa yang sudah dilakukan, sistem fuzzy menghasilkan 9 aturan fuzzy yang bisa mendefinisikan kelakuan input-output. Hasil dari penelitan ini menunjukkan tingkat akurasi yang cukup tinggi dengan rata-rata tingkat error mampu mencapai 0 yaitu sebesar 0,6031 setelah di uji dengan data pada periode 20091-20113.
Hasil pengujian hipotesis dengan uji F menunjukkan bahwa adanya pengaruh yang signifikan dari tingkat Risk Based Capital dan Underwriting Ratio terhadap profitabilitas pada perusahaan asuransi kerugian, terbukti dengan nilai koefisien korelasi yang signifikan sebesar 0,570 dan R2 0,325. Untuk hasil pengujian hipotesis secara parsial dengan uji t ditemukan adanya pengaruh yang signifikan tingkat Risk Based Capital terhadap profitabilitas pada perusahaan asuransi kerugian dengan koefisien korelasi parsial bernilai negatif sebesar 0,507.