Pemodelan Klaim Asuransi Penyakit Gagal Ginjal Kronis dan Kanker Menggunakan Metode Bayes dengan Markov Chain Monte Carlo (Studi Kasus : Jumlah Klaim Asuransi BPJS Penyakit Gagal Ginjal Kronis dan Kanker di RSUP dr. Soeradji Tirtonegoro Klaten)

Abstract

Penyakit kritis seperti gagal ginjal kronis (GGK) dan kanker menjadi salah satu penyebab utama tingginya klaim asuransi kesehatan di Indonesia. Penelitian ini bertujuan memodelkan klaim asuransi kedua penyakit tersebut menggunakan pendekatan Bayesian dengan Markov Chain Monte Carlo (MCMC). Metode ini memungkinkan estimasi parameter klaim secara lebih fleksibel dan akurat dengan mempertimbangkan ketidakpastian dalam data. Penelitian ini, menggunakan data klaim BPJS Kesehatan dari RSUP dr. Soeradji Tirtonegoro Klaten periode 2021– 2024 yang dianalisis dengan prior berbasis distribusi Normal dan Half-Normal, kemudian diperbarui menjadi distribusi posterior melalui simulasi MCMC. Hasil menunjukkan bahwa metode Bayesian mampu menghasilkan estimasi parameter yang akurat dan informatif, misalnya rata-rata klaim rawat jalan GGK sebesar 1649,29 (sd = 19,82) dan kanker rawat jalan sebesar 147,68 (sd = 10,18). Selain itu, distribusi posterior yang diperoleh stabil, yang ditunjukkan dengan nilai konvergensi r-hat = 1.0 dan Effective Sample Size (ESS) > 5000. Hasil ini menegaskan bahwa pendekatan Bayesian dengan MCMC efektif untuk estimasi klaim asuransi kesehatan dengan model yang dihasilkan menunjukkan kemampuan prediktif yang kuat dan ketahanan terhadap perubahan prior, sehingga memperkuat validitas pendekatan Bayesian dalam estimasi klaim asuransi. Metode Bayes dengan MCMC terbukti efektif dalam menghasilkan estimasi klaim yang dapat diandalkan untuk manajemen risiko dan perencanaan keuangan di sektor asuransi kesehatan.