PEMODELAN DAN SIMULASI PREDIKSI BESAR KLAIM JAMINAN KECELAKAAN KERJA DI BPJS KETENAGAKERJAAN CABANG JUANDA

Bahasa Indonesia

Abstract

BPJS Ketenagakerjaan merupakan lembaga yang memberikan perlindungan jaminan sosial bagi tenaga kerja di Indonesia, salah satunya melalui program Jaminan Kecelakaan Kerja (JKK). Setiap tahunnya, besar klaim JKK mengalami fluktuasi sehingga diperlukan prediksi untuk memperkirakan kebutuhan dana agar pengelolaan anggaran lebih optimal. Penelitian ini bertujuan memodelkan dan memprediksi besar klaim JKK pada BPJS Ketenagakerjaan Cabang Juanda menggunakan pendekatan distribusi probabilitas. Data yang digunakan berupa rekapitulasi besar klaim JKK periode Januari 2020 hingga Desember 2023, yang dibagi menjadi data latih (75%) dan data uji (25%). Distribusi Gamma, Lognormal, dan Pareto diterapkan pada data latih, dengan estimasi parameter menggunakan metode Maximum Likelihood Estimation (MLE). Uji kecocokan model dilakukan dengan Kolmogorov-Smirnov (KS), sedangkan pemilihan model terbaik ditentukan berdasarkan Akaike Information Criterion (AIC). Model terbaik kemudian digunakan untuk memprediksi besar klaim tahun 2023 dengan variasi jumlah simulasi sebanyak 50, 100, 1000, dan 10000 kali. Akurasi prediksi dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa distribusi Lognormal menjadi model paling sesuai dalam memodelkan besar klaim JKK, dengan nilai AIC sebesar 1568,9080 dan nilai statistik KS sebesar 0,0756 disertai p-value 0,9763. Prediksi besar klaim tahun 2023 menggunakan model ini menghasilkan nilai MAPE terbaik sebesar 28,2518% saat jumlah simulasi sebanyak 100 kali, yang termasuk dalam kategori cukup baik. Berdasarkan hasil tersebut, distribusi Lognormal menjadi model paling tepat untuk prediksi besar klaim JKK di BPJS Ketenagakerjaan Cabang Juanda serta dapat menjadi bahan pertimbangan dalam perencanaan dana program JKK di masa mendatang.