Penggunaan machine learning untuk mengembangkan model penetapan harga yang lebih akurat.
Machine learning pricing adalah penggunaan algoritma machine learning untuk mengembangkan model penetapan harga (pricing) asuransi yang lebih akurat dibanding metode aktuaria tradisional.
Metode yang digunakan:
- Gradient Boosting (XGBoost, LightGBM): paling populer untuk pricing — menangkap interaksi non-linear antar variabel
- Random Forest: ensemble model untuk segmentasi risiko
- Neural Networks: untuk data kompleks (gambar, teks)
- GLM + ML hybrid: menggabungkan interpretabilitas GLM dengan akurasi ML
Keuntungan vs metode tradisional:
- Menangkap pola non-linear yang tidak terdeteksi oleh GLM
- Menggunakan ratusan variabel (vs puluhan variabel di model tradisional)
- Akurasi prediksi lebih tinggi
- Segmentasi risiko lebih granular
Tantangan:
- Interpretabilitas: sulit menjelaskan ke regulator mengapa premi nasabah X lebih tinggi
- Bias: model bisa mendiskriminasi tanpa disengaja
- Regulasi: beberapa regulator mensyaratkan model yang dapat dijelaskan (explainable AI)
- Data quality: garbage in, garbage out
Di Indonesia:
OJK belum memiliki regulasi spesifik tentang penggunaan AI/ML dalam pricing, tetapi perusahaan asuransi besar sudah mulai mengadopsi untuk asuransi kendaraan dan kesehatan.
CONTOH PENGGUNAAN
Perusahaan asuransi kendaraan mengganti model GLM tradisional (15 variabel) dengan model XGBoost (200+ variabel termasuk data telematics). Akurasi prediksi klaim meningkat 25%. Premi lebih kompetitif untuk pengemudi berisiko rendah, loss ratio turun dari 70% menjadi 62%.