No abstract

Data panel merupakan gabungan antara data cross section dengan data time series. Model regresi data panel terbaik pada penelitian ini adalah Random Effect Model (REM). Faktor penentu laba neto () yang diteliti yaitu biaya klaim (1), pendapatan investasi neto (2), hasil underwriting (3), dan pendapatan premi neto (4). Hasil uji kecocokan model untuk mengetahui faktor penentu laba neto perusahaan asuransi umum syariah di Indonesia menunjukkan bahwa biaya klaim, hasil underwriting, dan pendapatan premi neto mempengaruhi laba neto perusahaan asuransi umum syariah di Indonesia selama periode pengamatan tahun 2014-2017.

No abstract

Berdasarkan cara pengelolaan dananya, asuransi syari’ah dibedakan menjadi dua, asuransi dengan unsur tabungan dan asuransi tanpa unsur tabungan. Didalam asuransi tanpa unsur tabungan, dana yang diberikan oleh peserta asuransi akan dimasukkan ke dalam satu rekening saja, yaitu rekening tabarru’. Sehingga adanya ketidakjelasan dalam presentase dana tabarru’. Cost of Insurance merupakan metode yang digunakan dalam perhitungan dana tabarru’ yang terdiri dari beberapa komponen yaitu: tabel mortalita yang digunakan, asumsi hasil investasi (i) dan asumsi biaya pengelolaan ( ). Didalam penelitian ini dilakukan perhitungan tabel mortalita dengan Hukum Gompertz yang memperhitungan risiko karena faktor usia, didalam perhitungannya dibutuhkan data acak usia yang berdistribusi Gompertz. Tabel mortalita dengan Hukum Gompertz ini yang akan digunakan untuk perhitungan dana tabarru’. Penulis menggunakan ilustrasi dengan usia peserta 41 tahun, tingkat investasi sebesar 5%, dan biaya pengelolaan sebesar 30%. Didapatkan dana tabarru’ dengan menggunakan metode Cost of Insurance sebesar Rp. 156.762/bulan.

Menurut data BNP2TKI Indonesia, Jawa Barat tercatat sebagai provinsi yang paling banyak menempatkan warganya bekerja ke luar negeri dengan fungsi pekerjaan didominasi sebagai sektor pekerja rumah tangga. Karena itu, pemodelan jumlah TKI tiap kota/kabupaten wilayah Jawa Barat perlu dibuat sebagai pertimbangan untuk mengatasi permasalahan TKI dalam perencanaan penciptaan lapangan kerja bagi masyarakat. Model statistika yang digunakan adalah Generalized Space Time Autoregressive (GSTAR) yang merupakan perluasan model STAR yang mampu mempertimbangkan faktor lokasi dan waktu secara simultan, sehingga model yang dihasilkan akan meningkatkan tingkat akurasi dalam meramalkan jumlah TKI Jawa Barat pada masa mendatang. Pemilihan lokasi kabupaten wilayah Jawa Barat berdasarkan analisis klaster Density Based on Spatial Clustering with Noise (DBSCAN), yaitu pembentukan klaster berdasarkan pada koneksi dan fungsi densitas. Pada penelitian ini diperoleh 3 klaster wilayah, yaitu: klaster 1 sebanyak 13 lokasi, klaster 2 sebanyak 3 lokasi, dan klaster 3 ada 1 lokasi. Matriks bobot lokasi yang digunakan adalah matriks dengan bobot biner, bobot seragam, dan bobot korelasi silang. Identifikasi model menggunakan STACF dan STPACF menunjukkan model yang sesuai dengan data adalah model GSTAR(10) dan GSTAR(11) dengan matriks bobot biner dan korelasi silang. Estimasi parameter menggunakan metode Odinary Least Square (OLS) memberikan model terbaik adalah model GSTAR(10) yang memiliki nilai Root Mean Squared Error (RMSE) terkecil dengan nilai RMSE sebesar 21,4651.