Perusahaan asuransi harus menentukan harga premi yang sesuai untuk setiap profil risiko sehingga diperlukan model yang dapat memprediksi besar kerugian yang mungkin terjadi di masa depan. Penelitian ini bertujuan untuk memproyeksikan besar kerugian yang mungkin terjadi, membandingkan performa dari generalized linear models (GLM) dengan distribusi Tweedie dan gradient tree-boosted Tweedie model (TDboost), serta melakukan ratemaking dengan metode pure premium. Terdapat data tahun 2015, 2016, 2017, dan 2018 dari sebuah perusahaan asuransi kendaraan di Spanyol. Pada masing-masing tahun, akan dilakukan pemodelan kerugian dengan GLM dan TDboost. Melalui analisis RMSE diperoleh bahwa model TDboost memberikan hasil yang lebih baik dibandingkan GLM. Melalui analisis indeks gini dan kurva Lorentz juga diperoleh bahwa hasil premi murni dari model TDboost dapat menutupi ekspektasi kerugian dengan lebih baik. Selain itu, melalui analisis faktor risiko diperoleh bahwa polis asuransi dengan adanya pengendara kedua, kelompok pengendara berusia 18-29 tahun, dan kelompok pengendara dengan pengalaman mengemudi 0-7 tahun memberikan ekspektasi kerugian yang lebih besar daripada kategori yang lainnya. / Insurance companies must determine the appropriate premium price for each risk profile, so a model that can predict the amount of losses that may occur in the future is needed. This study aims to project the amount of losses that may occur, compare the performance of generalized linear models (GLM) with the Tweedie distribution and gradient tree-boosted Tweedie model (TDboost), and perform ratemaking with the pure premium method. Data from 2015, 2016, 2017, and 2018 from a vehicle insurance company in Spain is used. In each year, loss modeling will be carried out with GLM and TDboost. Through RMSE analysis, it is obtained that the TDboost model provides better results than GLM. Through analysis of the Gini index and Lorentz curve, it is also obtained that the pure premium results from the TDboost model can cover loss expectations better. In addition, through risk factor analysis, it was found that insurance policies with the presence of a second driver, the driver group aged 18-29, and the driver group with 0-7 years of driving experience provided greater loss expectations than the other categories.