Analisis Komparatif Pendekatan Deterministik dan Probabilistik dalam Prediksi Penyelesaian Jumlah Klaim Asuransi Sosial Kecelakaan Lalu Lintas

Dina Amalia Fitri; Ade Ima Afifa Himayati; Ivanna Isty Nursani

doi:10.31004/riggs.v5i2.11269

Authors

Dina Amalia Fitri Universitas Muhammadiyah Kudus
Ade Ima Afifa Himayati Universitas Muhammadiyah Kudus
Ivanna Isty Nursani Universitas Muhammadiyah Kudus

DOI:

https://doi.org/10.31004/riggs.v5i2.11269

Keywords:

Double Moving Average, Klaim Asuransi, Monte Carlo

Abstract

Jumlah penyelesaian klaim asuransi sosial kecelakaan lalu lintas mengalami fluktuasi yang dipengaruhi oleh berbagai faktor, seperti tingkat kecelakaan, mobilitas masyarakat, dan kondisi transportasi. Fluktuasi tersebut menimbulkan ketidakpastian dalam perencanaan cadangan dana klaim dan pengelolaan risiko, sehingga diperlukan metode prediksi yang mampu menghasilkan estimasi secara akurat. Penelitian ini bertujuan membandingkan kinerja metode Double Moving Average (DMA) sebagai pendekatan deterministik dan metode Monte Carlo sebagai pendekatan probabilistik dalam memprediksi jumlah penyelesaian klaim asuransi sosial kecelakaan lalu lintas. Data yang digunakan merupakan data sekunder berupa jumlah penyelesaian klaim bulanan periode Januari 2015 hingga Desember 2025 yang diperoleh dari salah satu instansi penyelenggara asuransi sosial kecelakaan lalu lintas di Provinsi Jawa Tengah. Akurasi hasil prediksi dievaluasi menggunakan Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa pada periode pengujian tahun 2025 metode Double Moving Average menghasilkan nilai MAD sebesar 40,58, MSE sebesar 1.859,25, dan MAPE sebesar 8,9%, sedangkan metode Monte Carlo menghasilkan nilai MAD sebesar 80,33, MSE sebesar 9.490,00, dan MAPE sebesar 16,97%. Selain itu, metode Double Moving Average secara konsisten menghasilkan nilai MAD, MSE, dan MAPE yang lebih rendah dibandingkan metode Monte Carlo pada seluruh periode pengujian (2017–2025). Hasil tersebut menunjukkan bahwa metode Double Moving Average memiliki tingkat akurasi yang lebih baik sehingga layak direkomendasikan sebagai metode prediksi untuk mendukung perencanaan cadangan dana klaim, pengelolaan risiko, dan pengambilan keputusan pada perusahaan asuransi sosial.

Downloads

Download data is not yet available.

References

[1] CNA Indonesia. (2025, April 5). Kendaraan Bermotor Indonesia Tembus 168 Jutaan, Paling Banyak di Mana? CNA Indonesia. Diakses dari https://www.cna.id/indonesia/kendaraan-bermotor-indonesia-tembus-168-jutaan-paling-banyak-di-mana-31031 pada 12 Mei 2026.

[2] A. Rizki, D. Rahman, I. Efendi, and B. Tasila, “Pendekatan Descriptive Analysis Berbasis Data Untuk Mengevaluasi Kecelakaan Lalu Lintas Di Indonesia,” Animator Journal , vol. 02, pp. 44–58, 2024, Accessed: May 27, 2026. [Online]. Available: http://animator.uho.ac.id/index.php/journal,pp

[3] C. Primarta, “Analisis Undang-Undang Nomor 40 Tahun 2014 Tentang Perasuransian Terhadap Jaminan Sosial Korban Kecelakaan Lalu Lintas di PT. Jasa Raharja (Persero) Cabang Jawa Tengah,” Jurnal Daulat Hukum, vol. 1, pp. 211–219, 2020, doi: https://dx.doi.org/10.30659/jdh.v1i1.2635.

[4] S. Pratama, “Analisis Hukum Terhadap Proses Klaim Santunan Atas Korban Kecelakaan Lalu Lintas Oleh Perusahaan Asuransi,” Jurnal Penelitian Hukum, vol. 01, no. 1, pp. 78–93, 2022, doi: https://doi.org/10.24967/jaeap.v1i01.1528.

[5] N. Z. Harahap, “Perencanaan pengendalian persediaan (inventory) bahan baku dan kapasitas terhadap proses produksi roti pada perusahaan Bobo Bakery (Tugas akhir),” Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, 2013.

[6] A. Suara, A. Sanjaya, and D. P. Pamungkas, “Implementasi Metode Double Moving Average Untuk Prediksi Produksi Sabun,” in Seminar Nasional Inovasi Teknologi UN PGRI Kediri, 2022.

[7] K. Louis, C. J. Sinaga, and P. E. Mujahid, “Penerapan Metode Trend Moment Dalam Sistem Forecasting Untuk Memprediksi Jumlah Penjualan Smartphone dan Aksesoris,” Journal of Information System Research (JOSH), vol. 6, no. 4, pp. 1826–1836, Jul. 2025, doi: 10.47065/josh.v6i4.7666.

[8] R. Prawita, S. Sumijan, and G. W. Nurcahyo, “Simulasi Metode Monte Carlo dalam Menjaga Persediaan Alat Tulis Kantor (Studi Kasus di IAIN Batusangkar),” Jurnal Informatika Ekonomi Bisnis, vol. 2, pp. 72–77, Sep. 2020, doi: 10.37034/infeb.v3i2.69.

[9] R. Sihombing, “Penerapan Metode Monte Carlo Dalam Memprediksi Produksi Kelapa di Indonesia,” Jurnal Mahasiswa Tekhnik Informatika, vol. 08, Aug. 2024, doi: https://doi.org/10.36040/jati.v8i4.10005.

[10] N. K. A. C. Dewi, I. N. Budayana, and Sariyasa, “Penerapan Metode Double Moving Average Dalam Peramalan Jumlah Kendaraan Aktif Di Bali,” Emasains : Jurnal Edukasi Matematika dan Sains, vol. 15, no. 1, pp. 76–90, Feb. 2026, doi: 10.59672/emasains.v15i1.6001.

[11] M. B. Br Manik, P. K. Nasution, S. Suyanto, and M. Yanti, “Kajian Metode Simulasi Monte Carlo,” Journal of Mathematics, Computations and Statistics, vol. 7, no. 2, pp. 232–242, Sep. 2024, doi: 10.35580/jmathcos.v7i2.2994.

[12] Z. A. Sari and M. Andarwati, “Peramalan Duble Moving Average dan Double Exponential Smoothing Jumlah Penumpang di Stasiun Kotabaru Malang,” Journal of Information Systems Management and Digital Business (JISMDB), vol. 1, no. 2, 2024, doi: https://doi.org/10.59407/jismdb.v1i2.436.

[13] HommyD. E. Sinaga and N. Irawati, “Perbandingan Double Moving Average dengan Double Exponential Smoothing Pada Peramalan Bahan Medis Habis Pakai,” Jurnal Teknologi dan Sistem Informasi (JURTEKSI), vol. IV, pp. 197–204, Jun. 2020, Accessed: May 26, 2026. [Online]. Available: http://jurnal.stmikroyal.ac.id/index.php/jurteksi

[14] D. M. Khairina, Y. Daniel, P. P. Widagdo, S. Maharani, and Shabrina, “Decision support for predicting revenue target determination with comparison of double moving average and double exponential smoothing,” IAES International Journal of Artificial Intelligence, vol. 11, no. 2, pp. 440–447, Jun. 2022, doi: 10.11591/ijai.v11.i2.pp440-447.

[15] E. B. Setyawan, N. Novitasari, and S. Muttaqin, “Prediksi Volatilitas Harga Jual Produk Pada E-Commerce Untuk Independent Stockashtic Data Menggunakan Simulasi Monte Carlo,” 2020.

[16] E. Marcelina et al., “Peramalan Jumlah Wisatawan Kabupaten Belitung Menggunakan Simulasi Monte Carlo,” Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi, vol. 12, no. 1, pp. 57–62, Jun. 2024, doi: 10.37905/euler.v12i1.25153.

[17] V. P. Maridelana, T. P. Noviasari, and S. W. Prakosa, “Peramalan Permintaan Ayam Segar Menggunakan Simulasi Monte Carlo Untuk Pengelolaan Persediaan pada Restoran XYZ,” Jurnal Manajemen dan Penelitian Akuntansi (JUMPA), vol. 18, no. 2, 2025, doi: https://doi.org/10.58431/jumpa.v18i2.361.

[18] R. Ikhwani, Y. Siagian, and N. Marpaung, “Penerapan Metode Double Moving Average Dalam Peramalan Permintaan Produk Beras,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 1, pp. 80–87, Jun. 2022, doi: 10.47065/bits.v4i1.1499.

[19] H. Zalmadani, J. Santony, and Y. Yunus, “Prediksi Optimal dalam Produksi Bata Merah Menggunakan Metode Monte Carlo,” Jurnal Informatika Ekonomi Bisnis, vol. 2, no. 1, pp. 13–20, Mar. 2020, doi: 10.37034/infeb.v2i1.11.

[20] S. N. Litha and T. Hasanuddin, “Analisis Performa Metode Moving Average Model untuk Prediksi Jumlah Penderita Covid-19,” Indonesian Journal of Data and Science (IJODAS), vol. 1, no. 3, pp. 87–95, 2020, [Online]. Available: https://kawalcovid19.id/

[21] I. Nabillah and I. Ranggadara, “Mean Absolute Percentage Error untuk Evaluasi Hasil Prediksi Komoditas Laut,” JOINS (Journal of Information System), vol. 5, no. 2, pp. 250–255, Nov. 2020, doi: 10.33633/joins.v5i2.3900.