BAB IV HASIL DAN PEMBAHASAN
A.
Hasil Analisis
1.
Analisis Statistik Deskriptif Statistik deskriptif berfungsi untuk memberikan gambaran atau
deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian,
maksimum,
minimum,
range,
sum,
skewness
(kemencengan
distribusi). Tujuan analisis deskriptif dalam penelitian ini digunakan untuk mendiskripsikan hasil dari penelitian data dari variabel yang diteliti. Variabel dependen dalam penelitian ini adalah pendapatan premi, sedangkan variabel independennya adalah Rasio Risk Based Capital dan Rasio Hasil Investasi. Tabel 1 Analisis Statistik Deskriptif Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
RBC
120
-56.8154
233.4139
6.017922
23.0512537
Hasven
120
-.0481
.1957
.064023
.0428776
Premi
120
.0000 27614090.0000
2568054.699125
4786498.7622947
Valid N (listwise)
120
Berdasarkan hasil perhitungan statistik deskriptif diatas, dapat diketahui bahwa N valid atau data yang diproses sebanyak 120. Data tersebut juga menunjukkan bahwa pendapatan premi mempunyai nilai minimum sebesar 0.0000 dan nilai maksimum sebesar 27614090, nilai rata-rata (mean) adalah sebesar 2568054.7 dengan standar deviasi sebesar 4786498.7. Pada variabel rasio Risk Based Capital menunjukkan bahwa selama periode penelitian variabel ini 58
http://digilib.mercubuana.ac.id/
59
memiliki nilai minimum -56.8154 dan memiliki nilai maksimum 233.4139, nilai rata-rata (mean) sebesar 6.017922 dengan
standar deviasi 23.0512537. Pada
variabel rasio hasil investasi memiliki nilai minimum sebesar -0.0481, dan memiliki nilai maksimum sebesar 0.1957, nilai rata-rata (mean) sebesar 0.064023, dengan standar deviasi 0.0428776. 2.
Uji Asumsi Klasik
a).
Uji Normalitas Uji normalitas bertujuan untuk mengetahui dalam suatu model regresi
variabel independen dan variabel dependen atau keduanya mempunyai distribusi normal atau tidak. Kepastian terpenuhinya syarat normalitas akan menjamin dapat dipertanggungjawabkannya
langkah-langkah
analisis
statistik
selanjutnya
sehingga kesimpulan yang diambil juga dapat dipertanggungjawabkan. Uji normalitas yang digunakan adalah chi square. Tabel 2 Uji Normalitas (Chi Square) Test Statistics Unstandardized
Standardized
Residual Chi-Square
Residual .000
Df Asymp. Sig.
a
.000
a
112
112
1.000
1.000
a. 113 cells (100.0%) have expected frequencies less than 5. The minimum expected cell frequency is 1.0.
Berdasarkan
hasil
penelitian
diatas,
menunjukkan
bahwa
nilai
Unstandardized Residual Chi-Square sebesar 0 yaitu tidak signifikan dan nilai
http://digilib.mercubuana.ac.id/
60
Standardized Residual Chi-Square juga 0 yaitu tidak signifikan sehingga kedua nilai tersebut berdistribusi normal. b).
Uji Linieritas Uji Linieritas menggunakan Ramsey Test. Uji ini dikembangkan oleh
Ramsey (1969) yang menyarankan suatu uji yang disebut general test of specification atau RESET. Uji ini bertujuan untuk meghasilkan F hitung. Dari hasil perhitungan nilai F hitung, kemudian dibandingkan dengan F table, jika F hitung > F Tabel, maka hipotesis nol yang menyatakan bahwa spesfikasi model dalam bentuk fungsi linear adalah ditolak. Koefisien determinasi yang baru Tabel 3 Uji Linieritas (Ramsey Test) Model Summary Model
R
1
.901
R Square
a
Adjusted R
Std. Error of the
Square
Estimate
.812
.807
Durbin-Watson
.39387
1.882
a. Predictors: (Constant), DFFIT, log10_RBC, log10_Hasven b. Dependent Variable: log10_premi
Koefisien determinasi yang lama Tabel 4 Uji Linieritas (Ramsey Test) II Model Summary Model
1
R
.649
R Square
a
.422
Adjusted R
Std. Error of the
Square
Estimate .411
a. Predictors: (Constant), log10_Hasven, log10_RBC
Sesuai dengan rumus 6:
http://digilib.mercubuana.ac.id/
.68753
61
Keterangan: m = jumlah variabel independent yang baru masuk = 1 n = jumlah data observasi = 120 k = banyaknya parameter dalam persamaan yang baru = 4 R square new = nilai R square new dari persamaan regresi baru = 0,812 R square old = nilai R square old dari persamaan regresi lama = 0,422 F hitung = Pada F tabel ketika v1=k=4 dan v2=n-k-1=120-4-1=115, maka dengan taraf kesalahan 5 persen diperoleh F tabel sebesar 1,882. Ho = model regresi berbentuk linier benar. Ha = model regresi berbentuk linier salah dan berbentuk non linier benar. Oleh karena F hitung > F tabel, maka Ho ditolak dan Ha diterima. Jadi model regresi berbentuk non linier. Dilakukan permodelan linieritas dalam model dengan menggunakan log10 sehingga yang sebelumnya regresi berbentuk non linier menjadi linier dengan menggunakan log10 tersebut. c).
Uji Multikolinieritas Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Ada beberapa metode pengujian yang bisa digunakan diantaranya yaitu 1) dengan melihat nilai inflation factor (VIF) pada model regresi, 2) dengan membandingkan nilai koefisien
http://digilib.mercubuana.ac.id/
62
determinasi individual (r2) dengan nilai determinasi secara serentak (R2), dan 3) dengan melihat nilai eigenvalue dan condition index. Pengujian Multikolinearitas dalam penelitian ini menggunakan metode VIF. Menurut Santoso (2001), pada umumnya jika VIF lebih besar dari 10, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya. Tabel 5 Uji Multikolinieritas (VIF) Coefficients Unstandardized
Standardized
Coefficients
Coefficients
Model B
Std. Error
(Constant)
5.997
.311
1log10_RBC
.963
.130 .228
log10_Hasven .454 a. Dependent Variable: log10_premi
Collinearity T
Sig.
Beta
Statistics Tolerance
VIF
19.307
.000
.577
7.427
.000
.870
1.149
.155
1.993
.049
.870
1.149
Berdasarkan hasil penelitian diatas, menunjukkan bahwa nilai VIF untuk variabel RBC sebesar 1.149 dan variabel Hasven sebesar 1.149. Kedua nilai VIF < 10 yang berarti bahwa model regresi tidak mengalami gangguan atau tidak mengandung multikolineritas. d).
Uji Heteroskedastisitas Uji ini bertujuan untuk menguji dalam model regresi terjadi atau terdapat
ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari nilai residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut dengan homoskedastisitas. Jika varians berbeda dari satu pengamatan ke pengamatan yang lainnya, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas, atau dengan
http://digilib.mercubuana.ac.id/
63
kata lain model regresi yang baik adalah yang homoskedastisitas (Umar, 2011: 179). Menurut Sunyoto (2007) heteroskedastisitas terjadi jika pada scatter plot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang. “Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas”
(Ghozali,
2011:
139).
Uji
Heteroskedastisitas
ini
menggunakan Scatterplot. Scatter plot adalah sebuah grafik yang biasa digunakan untuk melihat suatu pola hubungan antara 2 variabel.
Gambar 1 Uji Heteroskedastisitas (Scatterplot)
Berdasarkan hasil penelitian diatas, menunjukkan bahwa tidak ada gangguan heteroskedastisitas karena standardized residual berkumpul namun mengalami outlier.
http://digilib.mercubuana.ac.id/
64
e).
Uji Autokorelasi Uji asumsi autokorelasi bertujuan untuk menguji apakah dalam suatu
model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Model regresi yang baik, tidak terjadi autokorelasi. Autokorelasi dalam regresi linier dapat menganggu suatu model, dimana akan menyebabkan terjadinya kebiasan pada kesimpulan yang diambil. Ada beberapa cara yang digunakan untuk mendeteksi ada tidaknya autokorelasi, diantaranya melalui uji Durbin Watson (DW-Test). Uji Durbin Watson akan didapatkan nilai DW hitung (d) dan nilai DW tabel (dan). Tingkat signifikansi yang digunakan dalam penelitian ini sebesar 5%. Ghozali (2011) menyatakan bahwa, untuk mengetahui ada tidaknya masalah autokorelasi dengan uji Durbin-Watson (DW) dengan kriteria sebagai berikut: 1)
0 < d
2)
dL ≤ d ≤ dU = tidak ada kesimpulan
3)
4 – dL< d < 4 = ditolak
4)
4 – dU ≤ d ≤ 4 – dL = tidak ada kesimpulan
5)
dU< d < 4 – dU = tidak ditolak Tabel 6 Uji Autokorelasi (Durbin-Watson) Model Summary
Model
1
R
.649
R Square
a
.422
Adjusted R
Std. Error of the
Square
Estimate .411
a. Predictors: (Constant), log10_Hasven, log10_RBC b. Dependent Variable: log10_premi
http://digilib.mercubuana.ac.id/
.68753
Durbin-Watson
1.865
65
Berdasarkan hasil penelitian diatas, menunjukan bahwa nilai Durbin-Watson sebesar 1.865 pada tabel DW taraf kesalahan 5% diketahui K = parameter yang digunakan di dalam model = 3, Jumlah sampel = 120, dU = 1.736, batas kanan 4dU= 4-1.736 = 2.264. Nilai DW sebesar 1.865 berada antara 1736 dan 2.264 maka model tersebut tidak mengalami gangguan autokorelasi. 3.
Uji Hipotesis Pengujian hipotesis dilakukan jika data penelitian telah dianalisis dan telah
memenuhi uji linearitas dan uji multikolinearitas. Melalui analisis regresi ini, diuji kebenaran hipotesis yang telah ditetapkan dimuka untuk kemudian diinterpretasikan
hasilnya.
Adapun
untuk
mengolah
data,
penyusun
menggunakan program komputer SPSS 22.0 for Windows dengan melihat output yang dihasilkan antara lain: a).
Analisis Regresi Linier Berganda Analisis regresi linier berganda dalam penelitian ini digunakan untuk
mengetahui Pengaruh Rasio Risk Based Capital dan Rasio Hasil Investasi Terhadap Pendapatan Premi Pada Perusahaan Asuransi Jiwa di AAJI Tahun 20112014. b).
Koefisien Determinasi Koefisien determinasi pada intinya adalah mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilainya adalah antara nol sampai dengan satu. Nilai yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen
http://digilib.mercubuana.ac.id/
66
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Tabel 7 Uji Determinasi Model Summary Model
1
R
.649
R Square
a
Adjusted R
Std. Error of the
Square
Estimate
.422
.411
.68753
a. Predictors: (Constant), log10_Hasven, log10_RBC
Berdasarkan hasil penelitian diatas, menunjukkan bahwa dari tampilan output SPSS model summary besarnya Adjusted adalah 0,411, hal ini berarti 41,1% variasi pendapatan premi dapat dijelaskan oleh variasi dari kedua variabel independen rasio RBC dan rasio Hasven. Sedangkan sisanya (100% - 41.1%) sebesar 58, 9% dijelaskan oleh variabel lain di luar model penelitian ini. c).
Uji Statistik F Uji ini dilakukan untuk melihat apakah variabel-variabel independen
yang digunakan dalam penelitian atau model ini merupakan variabel yang berpengaruh secara bersama-sama terhadap variabel dependen. Uji F dapat dilakukan dengan melihat nilai signifikansi F pada output uji Anova. Jika signifikansi F di bawah 0,05 maka model regresi dapat digunakan untuk memprediksi variabel dependen. Langkah pengujian adalah dengan merumuskan hipotesis: Ho: b1 = b2 = 0 tidak terdapat pengaruh signifikan Ha: b1 = b2 ≠ 0 terdapat pengaruh signifikan Kemudian menentukan kesimpulan:
http://digilib.mercubuana.ac.id/
67
Jika probabilitas > 0, 05 maka Ha ditolak Jika probabilitas < 0, 05 maka Ha diterima Tabel 8 Uji Statistik F a
ANOVA Model
1
Sum of Squares
Df
Mean Square
Regression
37.931
2
18.966
Residual
51.997
110
.473
Total
89.928
112
F 40.122
Sig. .000
b
a. Dependent Variable: log10_premi b. Predictors: (Constant), log10_Hasven, log10_RBC
Berdasarkan hasil penelitian diatas, menunjukkan bahwa hasil pengujian model regresi dengan menggunakan uji F dapat diperoleh nilai F hitung sebesar 40.122 dengan probabilitas 0.000 < 0,05 Karena probabilitas jauh lebih kecil dari 0.05 maka model regresi dapat digunakan untuk memprediksi pendapatan premi atau dapat dikatakan bahwa rasio RBC (Risk Based Capital) dan rasio hasil investasi secara bersama-sama berpengaruh terhadap pendapatan premi. d).
Uji Signifikansi Parsial (Uji Statistik t) Untuk mengetahui atau menguji apakah ada pengaruh antara masing-
masing variabel independen secara parsial terhadap variabel dependen. Cara pengambilan keputusan uji statistik t yaitu dengan merumuskan hipotesis: H0: bi = 0 tidak terdapat pengaruh signifikan Ha: bi ≠ 0 terdapat pengaruh signifikan Kemudian menentukan kesimpulan: Ho diterima jika: nilai probabilitas > 0.05
http://digilib.mercubuana.ac.id/
68
Ha diterima jika: nilai probabilitas < 0.05 Uji statistik t dalam penelitian digunakan untuk mengetahui besaran dan arah pengaruh variabel bebas, dalam hal ini rasio RBC (Risk Based Capital) dan rasio hasil investasi terhadap
variabel
terikatnya
yaitu
pendapatan premi. Dari hasil pengujian statistik diperoleh besarnya koefisien regresi, masing-masing dapat dilihat sebagai berikut: Tabel 9 Ringkasan Hasil Analisis Regresi Variabel Dependen: Pendapatan Premi
Variabel Independen
Prediksi
(Constant)
Hasil B
Sig.
5.997
.000
Keterangan
Rasio RBC
+
.963
.000
Ha diterima
Rasio Hasven
+
.454
.049
Ha diterima
Uji F
F hitung 40.122 (sig. 0.000) .411
Adjusted
.422
R Square
Dari hasil tersebut, selanjutnya dapat dibuat persamaan regresi linear berganda sebagai berikut: Pendapatan Premi = 5.997 + 0,963 (rasio RBC) + 0,454 (rasio hasven) + e Persamaan regresi di atas dapat dijelaskan menjadi: 1)
Konstanta (a) = 5.997 Nilai konstanta ini menyatakan bahwa jika variabel independen dianggap konstan, maka rata-rata pendapatan premi sebesar 5,997 satu satuan.
http://digilib.mercubuana.ac.id/
69
2)
Koefisien regresi rasio RBC (Risk Based Capital) b1 = 0,963
Variabel rasio RBC (Risk Based Capital) berpengaruh positif secara signifikan terhadap pendapatan premi. Setiap kenaikan rasio RBC sebesar 1% akan menaikkan premi sebesar 0,963%. Sebaliknya setiap penurunan rasio RBC sebesar 1% akan menurunkan premi sebesar 0,963%. 3)
Koefisien regresi rasio hasil investasi b2 = 0,454
Variabel rasio hasil investasi berpengaruh positif secara signifikan terhadap pendapatan premi. Setiap kenaikan rasio hasil investasi sebesar 1% akan menaikkan premi sebesar 0,454%. Sebaliknya setiap penurunan rasio hasil investasi sebesar 1% akan menurunkan premi sebesar 0,454%. e).
Pengujian Hipotesis dan Hasil Penelitian Untuk menguji apakah ada pengaruh yang signifikan antara masing-
masing variabel independen terhadap variabel dependen secara parsial dapat dilakukan pengujian hipotesis. Adapun pengujian hipotesis yang dilakukan adalah: 1)
Pengujian Hipotesis Pertama Hipotesis pertama penelitian ini menduga bahwa rasio RBC (Risk
Based Capital) berpengaruh positif dan signifikan terhadap pendapatan premi. Dari hasil output regresi linear berganda dapat diketahui bahwa variabel rasio RBC (Risk Based Capital) memiliki nilai signifikansi 0,000 yang lebih kecil dari 0, 05 dengan nilai koefisien sebesar 0,963. Dengan demikian rasio RBC (Risk
http://digilib.mercubuana.ac.id/
70
Based Capital) berpengaruh positif dan signifikan terhadap pendapatan premi, atau dengan kata lain Ha diterima dan Ho ditolak. 2)
Pengujian Hipotesis Kedua Hipotesis kedua penelitian ini menduga bahwa rasio hasil investasi
berpengaruh positif dan signifikan terhadap pendapatan premi. Dari hasil output regresi linear berganda dapat diketahui bahwa variabel rasio hasil investasi memiliki nilai signifikansi 0,049 yang hampir sama dengan jika dibulatkan dari 0,05 dengan nilai koefisien sebesar 0,454. Dengan demikian rasio hasil investasi berpengaruh positif dan signifikan terhadap pendapatan premi, atau dengan kata lain Ha diterima dan Ho ditolak. 3)
Pengujian Hipotesis Ketiga Hipotesis ketiga penelitian ini menduga bahwa rasio RBC (Risk Based
Capital) dan rasio hasil investasi berpengaruh positif dan signifikan terhadap pendapatan premi. Dari hasil output regresi linear berganda dapat diketahui bahwa variabel rasio RBC (Risk Based Capital) dan rasio hasil investasi memiliki nilai signifikansi 0,000 yang lebih kecil dari 0,05 dan 0,049 yang hampir sama dengan jika dibulatkan dari 0,05 dengan nilai koefisien sebesar 0,963 dan 0,454. Dengan demikian rasio RBC (Risk Based Capital) dan rasio hasil investasi berpengaruh positif dan signifikan terhadap pendapatan premi, atau dengan kata lain Ha diterima dan Ho ditolak. B.
Pembahasan Hasil analisis regresi
menunjukkan
bahwa
secara
simultan
dengan menggunakan uji F dari dua variabel independen dan satu variabel
http://digilib.mercubuana.ac.id/
71
dependen diperoleh F hitung sebesar 40,122 dengan nilai p value = 0,000 < 0,05, sehingga dapat disimpulkan bahwa ada pengaruh yang signifikan antara rasio RBC (Risk Based Capital) dan rasio hasil investasi secara simultan terhadap pendapatan premi. Adapun berdasarkan analisis regresi dengan R square sebesar 0,422 yang berarti bahwa kontribusi antara variabel independen yaitu rasio RBC (Risk Based Capital) dan rasio hasil investasi terhadap pendapatan premi sebesar 42,2%. Hal ini menunjukkan bahwa kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Berdasarkan hasil penelitian variabel rasio RBC (Risk Based Capital) dan rasio hasil investasi berpengaruh terhadap pendapatan premi pada perusahaan asuransi jiwa yang terdaftar di AAJI. Adapun hasil pengujian antara variabel dependen dengan variabel independen dapat dianalisis dalam pembahasan sebagai berikut: 1.
Pengaruh rasio RBC (Risk Based Capital) terhadap pendapatan
premi (Uji Ha 1) Rasio RBC (Risk Based Capital) merupakan rasio perbandingan antara jumlah asset perusahaan dengan jumlah total klaim asuransi dan untuk mengukur tingkat kesehatan keuangan perusahaan asuransi dapat dilihat dari Rasio Risk Based Capital. Berikut ini pengertian Risk Based Capital Menurut Peraturan Pemerintah (PP) Nomor 63 Tahun 2004 menyatakan bahwa “Rasio kesehatan Risk Based Capital adalah suatu ukuran yang menginformasikan tingkat keamanan financial atau kesehatan suatu perusahaan asuransi yang harus dipenuhi oleh
http://digilib.mercubuana.ac.id/
72
perusahaan asuransi konvensional kerugian sebesar 120% dan untuk asuransi syariah kerugian sebesar 30%, semakin besar rasio kesehatan Risk Based Capital sebuah perusahaan asuransi, semakin sehat kondisi financial perusahaan tersebut.” Berdasarkan hasil analisis regresi variabel rasio RBC (Risk Based Capital) berpengaruh positif dan signifikan terhadap pendapatan premi pada perusahaan asuransi jiwa yang terdaftar di AAJI (T = 7,427 dengan nilai p value sebesar 0,000). Karena nilai signifikansi < 5% maka hipotesis diterima yang artinya rasio RBC (Risk Based Capital) berpengaruh secara signifikan dengan variabel pendapatan premi. Hasil pengujian ini sesuai dengan hipotesis pertama yang menyatakan bahwa semakin tinggi rasio RBC (Risk Based Capital) maka semakin besar pula peluang keuntungan yang akan diperoleh perusahaan yang juga berakibat pada semakin tinggi tingkat pendapatan premi suatu perusahaan asuransi. Hal ini dikarenakan dengan semakin besarnya rasio RBC (Risk Based Capital) tersebut menyatakan bahwa suatu perusahaan memiliki tingkat kesehatan yang baik dan meningkatnya kepercayaan masyarakat untuk memakai produk perusahaan asuransi tersebut yang akan membuat pendapatan premi suatu perusahaan asuransi meningkat. 2.
Pengaruh rasio hasil investasi terhadap pendapatan premi (Uji Ha 2) Investasi adalah penanaman uang untuk tujuan memperoleh keuntungan.
Sedangkan hasil Investasi pada dasarnya adalah penghasilan dari portofolio investasi aktiva perusahaan asuransi. Oleh karena itu, menjadi sangat penting bagi perusahaan asuransi untuk melakukan investasi atas aset-aset yang ada untuk
http://digilib.mercubuana.ac.id/
73
mencukupi kebutuhan akan dana yang dikelola. Sebagian besar perusahaan asuransi mengandalkan hasil investasinya untuk menutupi kekurangan akan tarif premi yang diberikan kepada tertanggung. Untuk menilai kemampuan manajemen dan kebijakan-kebijakan investasi dari perusahaan asuransi, serta menentukan sehat tidaknya perusahaan asuransi dari penentuan jumlah laba yang diperoleh dapat digunakan rasio hasil investasi atau investment yield ratio. Berdasarkan
hasil
analisis
regresi
ternyata
variabel
investasi
berpengaruh positif dan signifikan terhadap pendapatan premi pada perusahaan asuransi jiwa yang terdaftar di AAJI (T = 1,993 dengan nilai p value sebesar 0,049). Karena nilai signifikansi < 5% maka hipotesis diterima yang artinya rasio hasil investasi berpengaruh secara signifikan dengan variabel pendapatan premi. Hal ini menunjukkan bahwa semakin banyak dana yang diinvestasikan maka semakin tinggi pula pendapatan premi pada perusahaan asuransi jiwa yang terdaftar di AAJI. Hasil ini juga mendukung teori yang menyatakan bahwa pengeluaran investasi memberikan sinyal positif terhadap pertumbuhan perusahaan di masa yang akan datang, sehingga meningkatkan harga saham sebagai indikator nilai perusahaan. Pengeluaran investasi yang dilakukan oleh perusahaan memberikan sinyal, khususnya kepada investor maupun kreditur bahwa perusahaan tersebut akan tumbuh di masa mendatang. Dengan ini dapat dikatakan bahwa perusahaan asuransi jiwa yang banyak melakukan investasi di berbagai pos, maka akan semakin banyak pula peluang yang akan dihasilkan dari investasi tersebut sehingga pendapatan premi akan meningkat.
http://digilib.mercubuana.ac.id/
