Prodi Bisnis Digital · FEB UNDIP

Laboratorium Financial Technology

Pertemuan 7: InsurTech dan Inovasi Asuransi

Bagaimana teknologi mengubah cara asuransi dijual, dihargai, dan diklaim — dari agen berkeliling ke aplikasi di genggaman.

RPS minggu 7 · 2x50 menit

Tujuan Pembelajaran Hari Ini

Memahami

Mengapa industri asuransi tradisional lambat berinovasi, dan bagaimana teknologi mengatasi hambatan struktural tersebut.

Mengenali

Model bisnis InsurTech utama: marketplace digital, asuransi mikro, dan asuransi parametrik berbasis data.

Menghitung

Komponen dasar premi risk-based dan simulasi payout sederhana skema parametrik.

Mengevaluasi

Peluang dan risiko InsurTech di Indonesia dilihat dari sisi konsumen, regulator, dan pemain industri.

Bagian 1 dari 4

Mengapa Asuransi Butuh Disrupsi?

Industri tertua di sektor keuangan, tapi salah satu yang paling lambat digitalisasi.

Tiga Hambatan Struktural Asuransi Konvensional

Distribusi Mahal

Bergantung pada agen tatap muka, komisi tinggi, jangkauan terbatas ke kota besar. Biaya akuisisi nasabah tinggi dibanding potensi premi kecil.

Proses Klaim Lambat

Verifikasi manual, dokumen kertas, survei lapangan. Nasabah menunggu berhari-hari hingga berminggu untuk pencairan klaim.

Data Risiko Terbatas

Penetapan harga premi memakai data agregat lama, bukan profil risiko individu real-time — hasilnya kurang presisi.

Apa Itu InsurTech?

InsurTech adalah penerapan teknologi digital pada rantai nilai asuransi — mulai dari pemasaran, underwriting (penilaian risiko untuk menentukan premi), penjualan polis, hingga penyelesaian klaim.

InsurTech = Insurance + Technology

Berbeda dengan asuransi digital biasa (sekadar jual polis lewat website), InsurTech sejati mengubah cara risiko dinilai dan diproses — memakai data, AI, dan otomasi di seluruh rantai nilai, bukan cuma di kanal penjualan.

Rantai Nilai Asuransi dan Titik Sentuh Teknologi

Setiap titik dalam rantai ini bisa disentuh teknologi berbeda — inilah mengapa InsurTech tidak tunggal, melainkan ekosistem alat yang saling melengkapi.

Bagian 2 dari 4

Model Bisnis InsurTech

Tiga pendekatan utama yang berkembang di pasar Indonesia dan global.

Model 1: Marketplace dan Agregator Digital

Cara Kerja

Platform mengumpulkan produk dari banyak perusahaan asuransi dalam satu aplikasi.
Nasabah membandingkan harga dan manfaat sebelum membeli.
Pendapatan dari komisi (fee) penjualan, bukan menanggung risiko sendiri.

Contoh Indonesia

Lifepal dan Qoala membandingkan puluhan produk asuransi kesehatan, kendaraan, dan jiwa dari berbagai perusahaan mitra dalam satu aplikasi.

Perusahaan seperti ini disebut broker digital — mereka tidak menerbitkan polis sendiri, hanya menjembatani nasabah dengan perusahaan asuransi berlisensi OJK.

Model 2: Asuransi Mikro (Microinsurance)

Karakteristik

Premi sangat kecil, sering di bawah Rp 50.000 per periode.
Manfaat terbatas namun relevan (kecelakaan, gagal panen, kematian).
Distribusi lewat mitra digital: e-commerce, dompet digital, koperasi.

Target Pengguna

UMKM, petani, ojek daring, pekerja informal yang selama ini tidak terjangkau produk asuransi konvensional karena premi minimum terlalu tinggi.

Kunci keberhasilan asuransi mikro adalah biaya distribusi mendekati nol — dijual otomatis lewat aplikasi yang sudah dipakai jutaan orang, bukan lewat agen.

Model 3: Asuransi Parametrik

Klaim dibayar otomatis begitu parameter/pemicu terukur (data cuaca, gempa, indeks) melewati ambang batas — tanpa perlu proses klaim manual dan pembuktian kerugian.

Contoh Pemicu

Curah hujan di bawah ambang → payout untuk petani (asuransi gagal panen).
Kekuatan gempa di atas skala tertentu → payout otomatis.
Penerbangan tertunda lebih dari X jam → payout instan.

Keunggulan: tidak ada sengketa klaim karena pemicunya data objektif dari pihak ketiga (BMKG, sensor satelit), bukan penilaian subjektif surveyor.

Bagian 3 dari 4

Teknologi di Balik InsurTech

Data, kecerdasan buatan, dan otomasi yang menggerakkan seluruh model bisnis tadi.

Underwriting Berbasis AI dan Data

Underwriting Tradisional

Formulir kertas, wawancara agen, data agregat populasi (tabel mortalitas umum). Proses bisa berhari-hari, harga premi pukul rata per kelompok usia/wilayah.

Underwriting AI

Data telematik (perilaku mengemudi), riwayat kesehatan digital, data transaksi. Proses hitungan menit, harga premi personal sesuai profil risiko individu.

Glosarium: Underwriting = proses menilai seberapa besar risiko calon nasabah untuk menentukan apakah ditanggung dan berapa preminya. Telematik = data yang dikumpulkan sensor kendaraan (kecepatan, pengereman, rute) untuk menilai gaya mengemudi.

Underwriting itu istilah kunci dalam asuransi, artinya proses penilaian risiko sebelum polis diterbitkan, semacam "wawancara kelayakan" yang menentukan apakah Anda diterima dan berapa premi yang harus dibayar. Cara tradisional menyamaratakan orang dalam kelompok besar, misalnya semua pengemudi usia dua puluh lima sampai tiga puluh tahun dikenai tarif sama, padahal ada yang mengemudi sangat hati-hati dan ada yang ugal-ugalan. Dengan data telematik dari aplikasi atau sensor di mobil, perusahaan asuransi bisa melihat pola mengemudi Anda secara nyata, apakah sering mengerem mendadak, ngebut, atau berkendara larut malam, lalu menyesuaikan premi sesuai perilaku aktual Anda. Ini yang disebut personalisasi risiko, dan inilah yang membuat InsurTech modern jauh lebih adil sekaligus efisien dibanding cara lama.

Hitung dari Nol: Premi Risk-Based Sederhana

Kasus: Seorang pengemudi mengajukan asuransi kendaraan senilai pertanggungan Rp 200.000.000. Tarif dasar industri 2%, tapi data telematik menunjukkan profil mengemudi berisiko rendah sehingga dapat diskon risiko 15%.

Langkah	Perhitungan	Nilai
1. Premi dasar (tarif industri)	2% × Rp 200.000.000	Rp 4.000.000
2. Diskon risiko dari data telematik	15% × Rp 4.000.000	Rp 600.000
3. Premi setelah diskon	Rp 4.000.000 − Rp 600.000	Rp 3.400.000
4. Biaya polis & admin (tetap)	+ Rp 150.000	Rp 3.550.000

Premi Tahunan Final

Rp 3.550.000

≈ 1,78% dari nilai pertanggungan — lebih murah dari tarif dasar 2% karena profil risiko rendah

Mari kita hitung bersama, langkah demi langkah, supaya konsep risk-based pricing ini tidak abstrak lagi buat Anda. Kita mulai dari premi dasar yang dihitung dari tarif industri dua persen dikalikan nilai kendaraan dua ratus juta rupiah, hasilnya empat juta rupiah, ini angka sebelum ada penyesuaian apa pun. Karena data telematik menunjukkan pengemudi ini jarang ngebut dan jarang mengerem mendadak, perusahaan memberi diskon risiko lima belas persen dari premi dasar tadi, senilai enam ratus ribu rupiah, sehingga premi setelah diskon jadi tiga juta empat ratus ribu. Terakhir kita tambahkan biaya administrasi tetap seratus lima puluh ribu rupiah untuk penerbitan polis, sehingga totalnya tiga juta lima ratus lima puluh ribu rupiah setahun. Perhatikan bahwa ini setara sekitar 1,78 persen dari nilai pertanggungan, lebih rendah dari tarif dasar dua persen, itulah kekuatan personalisasi berbasis data.

Coba Sendiri: Kalkulator Premi Risk-Based

Ubah pure premium, loading, dan deductible — amati bagaimana premi akhir yang dibayar tertanggung berubah.

Hitung dari Nol: Payout Asuransi Parametrik Petani

Kasus: Petani di Grobogan mengasuransikan sawah senilai Rp 30.000.000 per hektar terhadap risiko kekeringan. Skema membayar bertingkat berdasarkan jumlah hari tanpa hujan berturut-turut selama musim tanam.

Langkah	Perhitungan	Nilai
1. Ambang pemicu ringan (21 hari kering)	25% × Rp 30.000.000	Rp 7.500.000
2. Ambang pemicu sedang (30 hari kering)	60% × Rp 30.000.000	Rp 18.000.000
3. Data BMKG musim ini: 33 hari kering	33 > 30 → pemicu sedang terlampaui	Sedang
4. Payout otomatis cair ke rekening petani	60% × Rp 30.000.000	Rp 18.000.000

Payout Diterima Petani

Rp 18.000.000

Cair otomatis begitu data BMKG mengonfirmasi 33 hari kering > ambang 30 hari — tanpa survei lapangan

Sekarang kita coba kasus kedua yang mekanismenya berbeda total dari asuransi biasa. Skema ini punya dua ambang pembayaran, ambang ringan di dua puluh satu hari kekeringan beruntun membayar dua puluh lima persen dari nilai pertanggungan, yaitu tujuh juta lima ratus ribu rupiah, dan ambang sedang di tiga puluh hari kekeringan membayar enam puluh persen atau delapan belas juta rupiah. Data resmi BMKG musim tanam ini mencatat tiga puluh tiga hari berturut-turut tanpa hujan di wilayah Grobogan, karena angka ini melewati ambang tiga puluh hari, maka otomatis pemicu ambang sedang yang aktif, bukan ambang ringan. Begitu sistem membaca data BMKG ini, payout delapan belas juta rupiah otomatis ditransfer ke rekening petani tanpa perlu ada surveyor yang datang mengecek kondisi sawahnya satu per satu. Inilah kecepatan yang tidak mungkin dicapai asuransi konvensional.

Peta Ekosistem InsurTech Indonesia

Marketplace / Broker

Lifepal, Qoala, PasarPolis — membandingkan dan menjual polis lintas perusahaan asuransi mitra.

Asuransi Mikro Terintegrasi

PasarPolis terintegrasi dengan Gojek, Tokopedia, dan Shopee — menjual proteksi kecil langsung di titik transaksi.

Perusahaan Asuransi Digital-First

Beberapa perusahaan asuransi berlisensi OJK kini membangun kanal digital penuh, dari polis hingga klaim, tanpa agen tatap muka.

Semua entitas ini tetap harus tunduk pada pengawasan OJK (Otoritas Jasa Keuangan) — baik sebagai perusahaan asuransi maupun pialang/agen asuransi berlisensi, sesuai UU P2SK.

Mari kita lihat siapa saja pemain nyata di Indonesia supaya materi ini tidak terasa jauh dari kehidupan sehari-hari Anda. Lifepal dan Qoala adalah contoh marketplace yang mungkin pernah Anda lihat iklannya di media sosial, mereka membandingkan produk dari banyak perusahaan asuransi sekaligus. PasarPolis punya pendekatan menarik, mereka menyisipkan produk asuransi mikro langsung di dalam aplikasi Gojek atau Tokopedia, misalnya asuransi kerusakan barang saat pengiriman atau asuransi kecelakaan pengemudi, sehingga nasabah tidak perlu mencari-cari, produknya sudah ada di titik transaksi. Yang perlu Anda garis bawahi, semua pemain ini bukan bebas aturan, mereka tetap diawasi OJK sesuai Undang-Undang Pengembangan dan Penguatan Sektor Keuangan atau UU P2SK, supaya nasabah terlindungi dari praktik penjualan yang menyesatkan.

AI untuk Deteksi Klaim Fraud (Kecurangan)

Klaim fraud adalah tantangan besar asuransi — diperkirakan menggerus ~5-10% dari total klaim industri secara global. AI membantu mendeteksi pola mencurigakan lebih cepat dari manusia.

Cara Kerja

AI membandingkan foto kerusakan dengan database ribuan klaim sebelumnya, mendeteksi anomali seperti foto hasil edit atau pola klaim berulang dari lokasi/pola yang sama.

Manfaat

Klaim jujur diproses lebih cepat karena tidak tersangkut antrean verifikasi manual; premi jangka panjang bisa lebih rendah karena kebocoran akibat fraud berkurang.

Peluang dan Risiko InsurTech di Indonesia

Peluang

Penetrasi asuransi Indonesia masih rendah (~2-3% dari PDB) — pasar sangat terbuka.
Menjangkau segmen belum terlayani lewat asuransi mikro dan integrasi platform.
Klaim lebih cepat meningkatkan kepercayaan publik pada asuransi.

Risiko

Literasi asuransi digital masih rendah — nasabah rentan salah paham manfaat polis.
Privasi data sensitif (kesehatan, perilaku mengemudi) butuh perlindungan ketat.
Model AI bisa bias jika data pelatihan tidak representatif seluruh segmen masyarakat.

Payung regulasi: UU P2SK (2023) memperluas kewenangan OJK mengawasi InsurTech; ketentuan OJK terkait asuransi digital mewajibkan transparansi manfaat, premi, dan pengecualian polis ke calon nasabah — detail RegTech dibahas pasca-UTS.

Mari kita timbang dua sisi mata uang ini bersama-sama. Di sisi peluang, penetrasi asuransi Indonesia yang masih rendah dibanding negara tetangga sebenarnya adalah kabar baik bagi pelaku InsurTech, artinya masih sangat banyak masyarakat yang belum tersentuh produk asuransi sama sekali, terutama di segmen UMKM dan pekerja informal. Tapi jangan lupa sisi risikonya, banyak nasabah baru yang membeli polis lewat aplikasi tanpa benar-benar paham apa yang mereka beli, misalnya tidak sadar ada pengecualian tertentu dalam polis sehingga kaget saat klaim ditolak. Ada juga isu privasi yang serius, data kesehatan atau perilaku mengemudi Anda adalah data sangat sensitif, kalau bocor atau disalahgunakan dampaknya besar. Saya juga ingin Anda tahu sejak awal bahwa apa pun inovasi teknologinya, industri asuransi tetap sektor yang diatur ketat oleh OJK lewat UU P2SK, bukan wilayah bebas aturan — detail regulasinya akan kita bahas tersendiri setelah UTS. Sebagai mahasiswa bisnis digital, Anda harus mampu melihat kedua sisi ini secara berimbang, bukan cuma terpukau oleh kecanggihan teknologinya.

Latihan Diskusi Kelompok (15 menit)

Bentuk kelompok 3-4 orang. Diskusikan kasus berikut lalu presentasikan singkat: "Sebuah startup ingin menjual asuransi ternak sapi bagi peternak kecil di Jawa Tengah dengan premi maksimal Rp 100.000/tahun."

Pertanyaan 1

Model bisnis mana yang paling cocok — marketplace, asuransi mikro, atau parametrik? Jelaskan alasannya.

Pertanyaan 2

Data apa yang bisa dipakai sebagai pemicu klaim otomatis untuk risiko kematian/sakit ternak?

Sekarang saatnya Anda praktik berpikir seperti perancang produk InsurTech. Bentuk kelompok kecil dan diskusikan studi kasus asuransi ternak sapi ini, sengaja saya pilih kasus yang mengharuskan Anda menggabungkan pemahaman soal biaya distribusi rendah dan kebutuhan verifikasi klaim yang murah. Untuk pertanyaan pertama, pikirkan mengapa premi seratus ribu rupiah setahun itu terlalu kecil untuk model verifikasi manual konvensional, jadi model apa yang membuat unit ekonominya tetap masuk akal. Untuk pertanyaan kedua, coba kaitkan dengan konsep asuransi parametrik yang sudah kita bahas, data macam apa yang bisa jadi pemicu objektif untuk klaim ternak, misalnya laporan dokter hewan digital atau sensor kesehatan ternak. Saya akan berkeliling mendengarkan diskusi Anda dan meminta dua kelompok mempresentasikan hasilnya.

Rangkuman Pertemuan 7

Konsep	Inti
Masalah asuransi konvensional	Distribusi mahal, klaim lambat, data risiko terbatas
Marketplace/broker digital	Bandingkan & jual polis lintas perusahaan (Lifepal, Qoala)
Asuransi mikro	Premi kecil, distribusi lewat platform digital (PasarPolis)
Asuransi parametrik	Payout otomatis berdasar data pemicu objektif (BMKG, sensor)
Underwriting AI	Premi personal dari data telematik/perilaku, bukan pukul rata

Persiapan Pertemuan Berikutnya

Topik Minggu Depan

Menjelang UTS — review dan konsolidasi materi Fintech dasar hingga InsurTech. Pastikan Anda sudah memahami seluruh materi pertemuan 1-7.

Tugas

Baca kembali catatan pertemuan 1-7, siapkan pertanyaan untuk sesi review, dan pastikan hasil diskusi kelompok hari ini sudah Anda catat.