<![CDATA[Abstrak Perusahaan asuransi memerlukan informasi untuk mengetahui besar klaim asuransi yang akan ditanggung pada masa yang akan datang. Melakukan prediksi besar klaim dapat menjadi salah satu alternatif untuk mengetahui hal tersebut. Metode yang sering digunakan untuk prediksi biasnya menggunakan metode time series (deret waktu). Dalam penelitian ini membahas tentang memodelkan data besar klaim asuransi menggunakan model Exponential Autoregressive Conditional Amount (EACA). Model yang digunakan dalam penelitian ini yaitu EACA (1,1) berdasarkan cut off nilai ACF dan PACF. Berdasarkan hasil pengujian penelitian ini, diperoleh nilai estimasi parameter pada model EACA (1,1) menggunakan metode Maximum Likelihood Estimator (MLE). Nilai error dari hasil prediksi model EACA (1,1) dihitung menggunakan metode Root Mean Square (RMSE). Nilai RMSE dari hasil prediksi data besar klaim asuransi yaitu 1.453 × ðŸðŸŽðŸ” dengan nilai mean (rata-rata) dari data pengamatan sebesar 1.106 × ðŸðŸŽðŸ” . Kata kunci : asuransi, distribusi eksponensial, EACA, prediksi, MLE, RMSE Abstract Insurance companies need information to find out the amount of insurance claims that will be covered in the future. Predicting large claims can be an alternative to know that. Frequently used method for biased prediction using time series method. In this study discusses about modeling big data of insurance claim using Exponential Autoregressive Conditional Amount (EACA) model. The model used in this research is EACA (1,1) based on cut off value of ACF and PACF. Based on the result of this research, we get parameter estimation value in EACA model (1,1) using Maximum Likelihood Estimator (MLE) method. The error value of the predicted EACA model (1,1) is calculated using the Root Mean Square (RMSE) method. The RMSE value of the predicted data of insurance claims data is 1.453 × ðŸðŸŽðŸ” with mean (average) value from observation data is 1.106 × ðŸðŸŽðŸ” . Keywords: insurance, eksponential distribution, EACA, forcast, MLE, RMSE]]>
Copyrights © 2018
