Sensitivity Analysis dalam Laporan Aktuaria: Fungsi dan Contohnya

Dalam laporan aktuaria, sensitivity analysis menunjukkan seberapa besar hasil perhitungan berubah ketika asumsi utama digeser. Jika kenaikan tingkat diskonto 1% menurunkan kewajiban dari Rp120 miliar menjadi Rp114 miliar, laporan itu memberi pembaca gambaran tentang risiko yang tidak terlihat dari satu angka estimasi saja.

Angka aktuaria hampir selalu bergantung pada asumsi. Aktuaris memperkirakan kapan peserta meninggal, berapa lama polis bertahan, berapa besar klaim, bagaimana gaji naik, dan berapa tingkat pengembalian investasi. Tidak ada satu pun asumsi yang bisa dipastikan untuk seluruh masa depan.

Karena itu, laporan yang hanya menyajikan satu hasil dapat memberi kesan terlalu pasti. Sensitivity analysis menambahkan konteks: hasil berubah seperti apa jika kondisi aktual lebih buruk atau lebih baik dari asumsi dasar.

Apa fungsi sensitivity analysis dalam laporan aktuaria?

Sensitivity analysis mengukur dampak perubahan satu atau beberapa asumsi terhadap hasil aktuaria. Aktuaris biasanya mempertahankan semua asumsi lain, lalu mengubah satu variabel untuk melihat pengaruhnya terhadap kewajiban, cadangan, surplus, atau kebutuhan modal.

Contohnya, perusahaan asuransi memiliki kewajiban manfaat sebesar Rp500 miliar berdasarkan asumsi dasar. Aktuaris kemudian menguji beberapa skenario:

• Tingkat mortalitas naik 5%.
• Tingkat lapse turun dari 12% menjadi 10%.
• Biaya medis naik 2% lebih tinggi dari perkiraan.
• Tingkat diskonto turun dari 6% menjadi 5%.

Setiap perubahan menghasilkan angka kewajiban baru. Perbandingan tersebut membantu manajemen melihat asumsi mana yang paling memengaruhi hasil dan seberapa besar ruang aman yang tersedia.

Menguji ketahanan hasil

Fungsi pertama sensitivity analysis adalah menguji ketahanan hasil perhitungan. Kewajiban sebesar Rp500 miliar mungkin terlihat aman jika perusahaan memiliki aset Rp550 miliar. Namun, jika perubahan kecil pada tingkat diskonto membuat kewajiban naik menjadi Rp570 miliar, posisi perusahaan perlu diperiksa kembali.

Manajemen dapat memakai informasi ini untuk memutuskan apakah perlu menambah aset, menyesuaikan harga produk, mengubah strategi investasi, atau memperkuat modal. Tanpa analisis sensitivitas, keputusan tersebut hanya bertumpu pada satu skenario.

Menjelaskan sumber ketidakpastian

Aktuaris tidak hanya menghitung hasil akhir. Mereka juga perlu menjelaskan sumber perubahan hasil. Sensitivity analysis dapat menunjukkan bahwa kewajiban paling sensitif terhadap inflasi klaim, bukan terhadap biaya administrasi. Informasi seperti ini membantu pembaca memusatkan perhatian pada risiko yang benar-benar memiliki dampak besar.

Misalnya, perubahan biaya administrasi mungkin hanya menaikkan kewajiban sebesar Rp1 miliar. Pada saat yang sama, kenaikan tren biaya medis 1% dapat menambah kewajiban Rp18 miliar. Kedua asumsi tersebut memang masuk dalam model, tetapi pengaruhnya tidak sama.

Mendukung komunikasi dengan pembaca laporan

Laporan aktuaria sering dibaca oleh direksi, komite audit, regulator, investor, atau pengelola dana pensiun. Tidak semua pembaca memahami rumus aktuaria. Tabel sensitivitas membuat dampak asumsi lebih mudah dipahami karena pembaca dapat melihat hubungan antara perubahan input dan hasil akhir.

Kalimat seperti “kewajiban dipengaruhi oleh asumsi mortalitas” masih terlalu umum. Kalimat “kenaikan mortalitas sebesar 10% meningkatkan kewajiban sebesar Rp7,5 miliar” jauh lebih berguna untuk pengambilan keputusan.

Asumsi apa yang biasanya diuji?

Asumsi yang diuji bergantung pada jenis laporan. Laporan aktuaria untuk asuransi jiwa akan memberi perhatian besar pada mortalitas, lapse, dan tingkat diskonto. Laporan kesehatan akan lebih sensitif terhadap frekuensi klaim, biaya perawatan, dan inflasi medis. Laporan dana pensiun biasanya menguji kenaikan gaji, usia pensiun, mortalitas, dan hasil investasi.

Tingkat mortalitas

Asumsi mortalitas memperkirakan kemungkinan peserta meninggal pada usia tertentu. Dalam produk asuransi jiwa, kenaikan mortalitas biasanya meningkatkan klaim kematian. Pada program pensiun, dampaknya bisa berbeda karena pembayaran manfaat pensiun berlangsung selama peserta hidup.

Contoh sederhana:

Skenario	Perubahan asumsi mortalitas	Estimasi kewajiban
Dasar	Sesuai tabel mortalitas yang digunakan	Rp300 miliar
Mortalitas lebih tinggi	Naik 10%	Rp312 miliar
Mortalitas lebih rendah	Turun 10%	Rp289 miliar

Angka tersebut hanya contoh untuk menjelaskan cara membaca analisis. Dampak sebenarnya bergantung pada jenis manfaat, usia peserta, durasi polis, dan struktur arus kas.

Tingkat lapse atau persistensi

Lapse terjadi ketika pemegang polis berhenti membayar premi atau mengakhiri polis sebelum masa kontrak berakhir. Asumsi lapse memengaruhi jumlah polis yang tetap aktif dan jumlah manfaat yang mungkin dibayarkan.

Penurunan lapse sering membuat lebih banyak polis bertahan. Dalam produk dengan manfaat masa depan yang besar, kondisi ini dapat meningkatkan kewajiban karena perusahaan harus membayar manfaat kepada lebih banyak pemegang polis. Namun, pada produk tertentu, lapse yang lebih rendah juga berarti perusahaan menerima premi lebih lama. Aktuaris harus melihat seluruh arus kas, bukan hanya satu sisi.

Contoh hasil sensitivitasnya dapat terlihat seperti ini:

• Lapse dasar 12% menghasilkan kewajiban Rp240 miliar.
• Lapse turun menjadi 10% dan kewajiban naik menjadi Rp251 miliar.
• Lapse naik menjadi 14% dan kewajiban turun menjadi Rp231 miliar.

Perubahan tersebut tidak berarti lapse rendah selalu buruk. Dampaknya bergantung pada manfaat, premi, biaya akuisisi, nilai tunai, dan waktu terjadinya penghentian polis.

Tingkat diskonto

Tingkat diskonto digunakan untuk mengubah pembayaran masa depan menjadi nilai saat ini. Tingkat diskonto yang lebih rendah biasanya menghasilkan kewajiban yang lebih tinggi karena pembayaran masa depan dikurangi dengan faktor yang lebih kecil.

Misalnya, perusahaan memiliki estimasi pembayaran Rp100 miliar dalam 10 tahun. Dengan tingkat diskonto 6%, nilai sekarangnya sekitar Rp55,8 miliar. Dengan tingkat diskonto 5%, nilainya sekitar Rp61,4 miliar. Selisih sekitar Rp5,6 miliar muncul hanya karena perubahan satu poin persentase.

Dalam laporan aktuaria, pengaruh tingkat diskonto bisa lebih besar karena kewajiban terdiri dari banyak pembayaran dengan jadwal berbeda. Manfaat yang dibayar 20 atau 30 tahun mendatang biasanya lebih sensitif terhadap perubahan tingkat diskonto dibandingkan klaim yang dibayar dalam beberapa bulan.

Inflasi dan kenaikan biaya medis

Inflasi memengaruhi manfaat yang terkait dengan gaji, biaya hidup, atau biaya perawatan. Pada asuransi kesehatan, kenaikan biaya medis sering menjadi salah satu sumber perubahan terbesar karena harga rumah sakit, obat, pemeriksaan, dan tindakan medis dapat meningkat lebih cepat daripada inflasi umum.

Jika biaya medis diperkirakan naik 8% per tahun, lalu skenario alternatif menggunakan kenaikan 10%, kewajiban dapat meningkat secara bertahap. Dampak terbesar biasanya muncul pada manfaat dengan durasi panjang karena kenaikan tahunan terakumulasi.

Sebuah laporan dapat menyajikan hasil seperti berikut:

Skenario inflasi medis	Estimasi kewajiban	Perubahan dari dasar
8% per tahun	Rp420 miliar	–
9% per tahun	Rp448 miliar	Naik Rp28 miliar
10% per tahun	Rp479 miliar	Naik Rp59 miliar

Kenaikan gaji dan usia pensiun

Dalam penilaian kewajiban imbalan kerja atau program pensiun, kenaikan gaji memengaruhi manfaat akhir peserta. Jika manfaat dihitung berdasarkan gaji terakhir, asumsi kenaikan gaji yang lebih tinggi dapat menaikkan kewajiban.

Usia pensiun juga memengaruhi hasil. Pensiun lebih awal dapat memperpanjang periode pembayaran manfaat, tetapi bisa mengurangi gaji terakhir yang menjadi dasar perhitungan. Dampaknya tidak selalu bergerak ke arah yang sama, sehingga model harus mengikuti aturan program secara tepat.

Bagaimana cara membaca dan menyusun sensitivity analysis?

Cara membaca sensitivity analysis cukup sederhana: lihat asumsi yang berubah, hasil setelah perubahan, dan selisihnya dari skenario dasar. Pembaca juga perlu memeriksa apakah perubahan tersebut bersifat naik, turun, simetris, atau hanya diuji pada satu arah.

Aktuaris biasanya menyusun analisis dengan langkah berikut.

1. Tentukan hasil dasar. Gunakan asumsi yang dipakai dalam perhitungan utama, lalu catat kewajiban, cadangan, atau ukuran lain yang hendak diuji.
2. Pilih asumsi yang paling relevan. Fokus pada variabel yang memiliki dampak besar atau tingkat ketidakpastian tinggi, seperti mortalitas, lapse, diskonto, inflasi, dan biaya klaim.
3. Tentukan perubahan. Perubahan bisa berupa 1 poin persentase, kenaikan 5%, atau skenario yang ditetapkan oleh kebijakan perusahaan.
4. Hitung ulang hasilnya. Ubah satu asumsi pada satu waktu jika tujuan analisis adalah mengukur dampak masing-masing variabel.
5. Bandingkan dengan hasil dasar. Tampilkan nilai baru dan selisih nominal maupun persentasenya.
6. Jelaskan penyebabnya. Pembaca perlu tahu mekanisme yang membuat kewajiban naik atau turun.

Misalnya, laporan aktuaria menyajikan kewajiban dasar Rp800 miliar. Analisisnya menghasilkan tabel berikut:

Asumsi	Skenario rendah	Dasar	Skenario tinggi
Tingkat diskonto	Rp845 miliar pada 5%	Rp800 miliar pada 6%	Rp761 miliar pada 7%
Inflasi medis	Rp774 miliar pada 7%	Rp800 miliar pada 8%	Rp832 miliar pada 9%
Frekuensi klaim	Rp770 miliar pada -5%	Rp800 miliar	Rp833 miliar pada +5%

Dari contoh itu, tingkat diskonto memiliki rentang dampak Rp84 miliar antara skenario 5% dan 7%. Inflasi medis memiliki rentang Rp58 miliar, sedangkan frekuensi klaim memiliki rentang Rp63 miliar. Angka ini membantu manajemen menentukan area yang perlu mendapat perhatian lebih besar.

Sensitivity analysis satu variabel dan beberapa variabel

Analisis satu variabel mengubah satu asumsi, sementara asumsi lain tetap. Metode ini mudah dipahami dan cocok untuk menunjukkan pengaruh masing-masing asumsi.

Namun, kondisi nyata sering melibatkan beberapa perubahan sekaligus. Inflasi tinggi dapat memengaruhi biaya klaim dan tingkat diskonto. Kondisi ekonomi yang buruk juga dapat mengubah perilaku pemegang polis. Untuk menghadapi situasi seperti itu, aktuaris dapat menggunakan analisis beberapa variabel atau scenario analysis.

Contoh skenario gabungan:

• Skenario dasar: inflasi medis 8%, lapse 12%, dan tingkat diskonto 6%.
• Skenario tekanan: inflasi medis 10%, lapse 10%, dan tingkat diskonto 5%.
• Skenario ringan: inflasi medis 7%, lapse 14%, dan tingkat diskonto 7%.

Skenario gabungan lebih dekat dengan kondisi bisnis, tetapi hasilnya lebih sulit dikaitkan dengan satu asumsi tertentu. Karena itu, laporan yang baik biasanya menggunakan keduanya: sensitivitas satu variabel untuk menjelaskan penyebab dan skenario gabungan untuk menggambarkan kondisi yang mungkin terjadi.

Perbedaan sensitivity analysis dan stress testing

Sensitivity analysis biasanya mengubah satu asumsi dalam rentang yang masuk akal. Stress testing memakai kondisi yang lebih berat untuk menguji kemampuan perusahaan bertahan dalam situasi ekstrem.

Contohnya, sensitivity analysis dapat menguji kenaikan klaim sebesar 5% dan 10%. Stress testing dapat memakai kenaikan klaim 25% bersamaan dengan penurunan hasil investasi dan kenaikan lapse. Stress test tidak selalu menggambarkan kondisi yang paling mungkin terjadi. Tujuannya menguji seberapa besar tekanan yang bisa ditanggung perusahaan.

Kesalahan yang sering terjadi dalam laporan sensitivitas

Analisis sensitivitas dapat kehilangan manfaat jika penyajiannya tidak jelas. Beberapa kesalahan terlihat kecil, tetapi dapat mengubah cara pembaca memahami risiko.

• Mengubah asumsi tanpa menjelaskan satuan. Kenaikan mortalitas 5% berbeda dari kenaikan 5 poin persentase pada tingkat mortalitas. Laporan harus menyebutkan perubahan secara tepat.
• Menyajikan angka tanpa skenario dasar. Pembaca tidak dapat menilai dampak jika hasil alternatif tidak dibandingkan dengan hasil utama.
• Menggabungkan terlalu banyak perubahan tanpa penjelasan. Jika mortalitas, lapse, dan diskonto berubah sekaligus, pembaca akan kesulitan mengetahui penyebab perubahan kewajiban.
• Mengabaikan hubungan antar-asumsi. Beberapa asumsi saling memengaruhi. Mengubah tingkat diskonto tanpa memeriksa strategi investasi dapat menghasilkan gambaran yang tidak lengkap.
• Menggunakan perubahan yang tidak masuk akal. Skenario harus memiliki alasan yang jelas, baik berdasarkan pengalaman historis, kebijakan risiko, kondisi pasar, maupun kebutuhan regulator.
• Tidak menjelaskan batasan model. Model mungkin hanya menguji dampak langsung. Hasilnya belum tentu menangkap perubahan perilaku peserta atau respons manajemen.

Laporan juga perlu membedakan antara perubahan absolut dan relatif. Jika kewajiban naik dari Rp100 miliar menjadi Rp110 miliar, kenaikannya Rp10 miliar atau 10%. Kedua bentuk informasi berguna, tetapi pembaca tidak boleh dipaksa menghitung sendiri.

Penyajian grafik dapat membantu, terutama jika ada banyak skenario. Bar chart sederhana yang menunjukkan kewajiban dasar dan hasil setiap skenario sering lebih mudah dibaca daripada halaman penuh angka. Namun, tabel tetap diperlukan agar pembaca dapat memeriksa nilai secara tepat.

Menurut saya, bagian terbaik dari sensitivity analysis bukan tabelnya, melainkan penjelasan setelah tabel. Aktuaris perlu menulis kalimat yang menghubungkan angka dengan keputusan: “Penurunan tingkat diskonto sebesar 1% meningkatkan kewajiban Rp45 miliar dan mengurangi surplus perusahaan hingga berada di bawah batas internal.” Kalimat seperti ini membuat analisis bisa dipakai, bukan sekadar dipajang.

Sensitivity analysis membuat laporan aktuaria lebih jujur terhadap ketidakpastian. Satu angka menunjukkan hasil berdasarkan asumsi tertentu, sedangkan analisis sensitivitas menunjukkan seberapa jauh hasil itu dapat berubah. Dengan membandingkan skenario secara terukur, manajemen dapat menilai kebutuhan modal, strategi investasi, harga produk, dan kecukupan cadangan dengan dasar yang lebih kuat.

Pertanyaan yang sering diajukan