PEMODELAN LAPSE RATE NASABAH PRODUK ASURANSI YANG DIKAITKAN INVESTASI (PAYDI) MENGGUNAKAN COX PROPORTIONAL HAZARD MODEL

Fanny Novika; Budi Marsanto

doi:10.31539/9y6bfq40

Authors

Fanny Novika Sekolah Tinggi Manajemen Asuransi (STMA) Trisakti
Budi Marsanto Sekolah Tinggi Manajemen Asuransi Trisakti

DOI:

https://doi.org/10.31539/9y6bfq40

Keywords:

Model Bahaya Proporsional Cox; Analisis Kelangsungan Hidup; Produk Asuransi Terkait Investasi (PAYDI); Pembatalan Polis; Rasio Bahaya

Abstract

Meningkatnya jumlah pembatalan polis pada Produk Asuransi Jiwa Terkait Investasi (PAYDI) telah menjadi perhatian utama bagi industri asuransi jiwa Indonesia karena berdampak pada perlindungan pelanggan, kinerja perusahaan asuransi, dan keberlanjutan bisnis. Studi ini bertujuan untuk memodelkan risiko pembatalan polis menggunakan Model Bahaya Proporsional Cox dan mengidentifikasi faktor-faktor yang memengaruhi pembatalan polis di antara pemegang polis PAYDI. Data primer dikumpulkan dari 618 pelanggan PAYDI di seluruh Indonesia menggunakan kuesioner terstruktur. Variabel penjelas meliputi pemahaman produk, kepatuhan proses penjualan, transparansi informasi, dan pengalaman klaim, sedangkan variabel respons adalah waktu hingga pembatalan polis. Statistik deskriptif, estimasi kelangsungan hidup Kaplan–Meier, dan regresi Bahaya Proporsional Cox digunakan, dan asumsi bahaya proporsional dievaluasi menggunakan uji residual Schoenfeld. Hasilnya mengkonfirmasi bahwa asumsi bahaya proporsional terpenuhi, memvalidasi penerapan model Cox. Analisis multivariat menunjukkan bahwa transparansi informasi secara signifikan mengurangi risiko pembatalan polis (HR = 0,496; 95% CI: 0,293–0,843; p = 0,009), sedangkan kepatuhan terhadap proses penjualan meningkatkan risiko pembatalan polis (HR = 2,351; 95% CI: 1,001–5,524; p = 0,050). Pengalaman klaim merupakan prediktor terkuat, meningkatkan risiko pembatalan polis lebih dari dua puluh satu kali (HR = 21,540; 95% CI: 10,486–44,247; p < 0,001), sementara pemahaman produk tidak signifikan secara statistik. Model akhir menunjukkan kinerja prediktif yang sangat baik (indeks C = 0,823). Temuan ini menekankan pentingnya meningkatkan transparansi informasi dan memperbaiki layanan klaim untuk mengurangi pembatalan polis dan memperkuat retensi pelanggan pada produk PAYDI.

References

[1] S. H. Santri and W. Fauzi, “Pengaturan Perjanjian Asuransi Jiwa Unitlink dalam Kaitannya dengan Perlindungan Hukum Pemegang Polis,” UNES Law Rev., vol. 6, no. 1, pp. 3381–3389, 2023.

[2] I. Padli, M. A. Musthofa, and H. Haeran, “Investasi Asuransi Jiwa Berbasis Unit Link Dalam Perspektif Hukum Islam,” J. Al Mujaddid Hum., vol. 10, no. 2, pp. 34–40, 2024.

[3] C. F. P. Yusuf and E. Wahyuningati, “Legal Protection of Mis-Selling Cases Victims on Unit Linked Insurance Products: The Basis of Law No. 40/2014 Regarding Insurance Policy,” Srawung J. Soc. Sci. Humanit., pp. 79–86, 2022.

[4] D. P. Soegondo and L. Suardi, “DAMPAK PENERAPAN REGULASI TERKAIT PAYDI TERHADAP KINERJA PERUSAHAAN ASURANSI JIWA,” MATHunesa J. Ilm. Mat., vol. 12, no. 3, pp. 628–636, 2024.

[5] J. Antony and H. Budi, “Determinants of Insurance Awareness and Perceived Value and Their Impact on Unit Linked Insurance Customer Retention with COVID-19 Pandemic as Moderator.,” J. Soc. Sci., vol. 4, no. 2, 2023.

[6] S. Wiegrebe, P. Kopper, R. Sonabend, B. Bischl, and A. Bender, “Deep learning for survival analysis: a review,” Artif. Intell. Rev., vol. 57, no. 3, p. 65, 2024.

[7] D. J. McLernon et al., “Assessing performance and clinical usefulness in prediction models with survival outcomes: practical guidance for Cox proportional hazards models,” Ann. Intern. Med., vol. 176, no. 1, pp. 105–114, 2023.

[8] S. K. Monikapreethi, J. Preetha, K. N. Reddy, S. Ramya, S. Yuvaraj, and S. Murugan, “Survival Analysis with Cox Proportional Hazards Model in Predicting Patient Outcomes,” in 2024 5th International Conference on Electronics and Sustainable Communication Systems (ICESC), 2024, pp. 1155–1161.

[9] R. Y. Siregar, I. Kholilul, N. Serpina, and B. Octariza, “Economic Bulletin–Issue 39 Memahami Karakteristik Keputusan Lapse Pemegang Polis Asuransi Jiwa,” Econ. Bull., 2023.

[10] M. Alhamdi, “Implikasi Model Cox Regression dalam Penentuan Premi Asuransi Jiwa pada Data Survival PT Asuransi BRI Life Cabang Makassar.” Universitas Hasanuddin, 2024.

[11] P. Peduzzi, J. Concato, E. Kemper, T. R. Holford, and A. R. Feinstein, “Study of the Number of Events per Variable in Logistic Regression Analysis,” J. Clin. Epidemioligy, vol. 49, no. 12, pp. 1373–1379, 1996.

[12] E. Vittinghoff and C. E. McCulloch, “Relaxing the Rule of Ten Events per Variable in Logistic and Cox Regression,” Am. J. Epidemiol., vol. 165, no. 6, pp. 710–718, Mar. 2007, doi: 10.1093/aje/kwk052.

[13] S. Iwagami, H. Yamamoto, H. Miyai, and M. Nishihata, “Association Between Frailty and Short‐Term Treatment‐Related Adverse Events in Patients With Overactive Bladder,” LUTS Low. Urin. Tract Symptoms, vol. 18, no. 3, p. e70060, 2026.