Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKHarga premi asuransi jiwa di Indonesia dipengaruhi oleh tabel kematian Indonesia digunakan oleh masing-masing perusahaan asuransi, seperti tabel kematian Indonesia berdasarkan jenis kelamin. Jika informasi tahun mendatang tabel kematian Indonesia berdasarkan jenis kelamin dapat diketahui, informasi tersebut dapat bermanfaat bagi perusahaan asuransi untuk mengatur premistrategi perhitungan sehingga lebih cocok untuk menghadapi risiko di masa depan. Makalah ini memprediksi tabel angka kematian Indonesia berdasarkan jenis kelamin selama lima periode ke depan dengan menggunakan Lee- Model Carter. Parameter model Lee-Carter diperkirakan dengan menggunakan Least Square metode dan metode Newton Raphson, sedangkan prediksi parameter yang tergantung pada waktu menggunakan metode Double Moving Average. Keakuratan hasil estimasi dan perkiraandiukur dengan menggunakan Mean Absolute Perscentage Error (MAPE). Dari penelitian ini, Tabel kematian Indonesia berdasarkan jenis kelamin diperoleh untuk periode 2015-2020 sampai2035-2040.

---

ABSTRACTThe price of life insurance premiums in Indonesia is influenced by Indonesia's death tables used by each insurance company, such as Indonesia's death tables by sex. If the next year's information on Indonesia's death table based on sex can be known, this information can be useful for insurance companies to manage premiums calculation strategies so that it is more suitable for dealing with risks in the future. This paper predicts Indonesia's mortality table by sex over the next five periods using the Lee-Carter Model. The Lee-Carter model parameters are estimated using the Least Square method and Newton Raphson method, while the parameter predictions that depend on time use the Double Moving Average method. Accuracy of estimation and estimation results measured using Mean Absolute Perscentage Error (MAPE). From this study, Indonesian death tables by sex were obtained for the period 2015-20202035-2040."

"Tingkat Mortalitas merupakan salah satu indikator penting dalam pengambilan keputusan pada beberapa bidang, seperti pemerintahan, ekonomi, dan aktuaria. Oleh karena itu, penelitian ini bertujuan untuk menerapkan model Lee-Carter pada data tingkat mortalitas Indonesia kemudian meramalkan tingkat mortalitas Indonesia pada masa mendatang dengan bantuan metode ANFIS. Proses peramalan tersebut akan diimplemantasikan dalam perangkat lunak R, dan hasil akhir dari penelitian ini adalah tabel yang berisi peramalan tingkat mortalitas di Indonesia.

---

Mortality rate is one of the important indicators in decision making in several areas, such as government, economy, and actuary. Therefore, this study aims to apply the Lee Carter model to Indonesia 39 s mortality rate data and then forecast future mortality rates in Indonesia with the help of ANFIS method. The forecasting process will be implemented in R software, and the final result of this study will be formed into a table that contains forecasting mortality rates in Indonesia."

"Jika informasi mengenai tingkat mortalitas untuk beberapa periode ke depan bisa didapatkan di masa sekarang maka perencanaan keuangan dan kebijakan yang akan diambil diharapkan dapat lebih baik dan terarah. Dalam penelitian ini, model yang digunakan untuk menghitung tingkat mortalitas adalah model Lee-Carter. Kemudian tingkat mortalitas pada masa mendatang akan diramalkan menggunakan bantuan metode ARIMA Auto Regressive Integrated Moving Average . Proses peramalan akan diimplementasikan menggunakan perangkat lunak R. Hasil akhir peramalan akan disajikan dalam bentuk tabel dan grafik.

---

If information about the mortality rate for some future periods can be obtained in the present then the financial planning and policy to be taken are expected to be better and directed. The model used to calculate the mortality rate in this paper is the Lee Carter model. Then future mortality rates will be forecast with the use of the ARIMA Auto Regressive Integrated Moving Average method. Meanwhile, the forecasting process will be implemented using software R. The final result of forecasting will be presented in tabular and graphical form."

"ABSTRAKMengetahui mortality rate pada masa mendatang sangat dibutuhkan perusahaan asuransi jiwa untuk dapat menentukan besarnya premi yang harus dibayarkan kepada perusahaan tersebut. Dalam penelitian ini akan dilakukan peramalan tingkat mortalita di Indonesia dengan menggunakan Model Lee-Carter Klasik dan Model Lee-Carter Umum. Selanjutnya, pada model Lee-Carter klasik akan dilakukan estimasi parameter menggunakan 2 cara yang berbeda, cara pertama menggunakan metode Least Square dan Singular Value Decomposition SVD dan cara kedua menggunakan metode Least Square dan Newton Raphson. Sedangkan pada model Lee-Carter umum akan dilakukan estimasi parameter menggunakan metode Least Square dan metode Newton Raphson. Hasil dari estimasi parameter tersebut akan dibandingkan berdasarkan masing-masing model dan metode yang digunakannya. Selanjutnya, hasil estimasi parameter yang bergantung terhadap waktu akan digunakan dalam peramalan tingkat mortalita menggunakan metode Neural Network. Hasil peramalan berupa tabel tingkat mortalita di Indonesia pada masa mendatang.

---

ABSTRACT Knowing future mortality rate is needed by assurance company to decide the value of the premium which has to be paid by the company. this research will forecast the mortality rate in Indonesia by using classical Lee Carter Model and Umum Lee Carter model. Than Lee Carter classical model will be estimated the parameter by using two different mothod. First method is by using Singular Value Decomposition SVD and the second method is by using Least Square and Newton Raphson. The result of parameter estimation will be compared based on each model and method. Then, the result depends on time which will be used in mortality forecasting by using neural network. The result is a table about the mortality rate in the future."

"Peramalan tingkat morbiditas merupakan elemen yang penting bagi pemerintah dalam membuat kebijakan sosial-ekonomi di tahun-tahun mendatang. Begitu pun juga bagi perusahaan asuransi yang memerlukan tingkat morbiditas agar dapat menyediakan produk asuransi yang tepat sasaran di suatu wilayah atau negara. Pada penelitian ini, digunakan model Lee-Carter dalam meramalkan tingkat morbiditas tuberkulosis paru di Indonesia pada tahun 2022, menggunakan data tingkat morbiditas yang tersedia dari tahun 2014 hingga 2021, dan tersedia untuk tujuh kelompok umur, yaitu 0-14, 15-24, 25-34, 35-44, 45-54, 55-64, dan ≥65. Sumber data penelitian diambil dari Profil Kesehatan Indonesia Tahun 2018-2021 yang dirilis oleh Kementerian Kesehatan Republik Indonesia. Peramalan tingkat morbiditas melalui model Lee-Carter dimulai dengan mengestimasi nilai parameter pada model Lee-Carter menggunakan metode Least Square. Kemudian, dilakukan proyeksi nilai parameter yang bergantung waktu pada model Lee-Carter menggunakan metode Simple Moving Average (SMA), Double Moving Average (DMA), Simple Exponential Smoothing (SES), dan Holt’s Linear Trend (HLT). Dari hasil simulasi ditemukan bahwa metode terbaik untuk memproyeksi nilai parameter bergantung waktu untuk satu periode ke depan adalah metode Simple Exponential Smoothing (SES). Nilai proyeksi dari parameter yang diperoleh digunakan untuk menghitung nilai peramalan dari tingkat morbiditas. Hasil peramalan tingkat morbiditas tuberkulosis di Indonesia pada tahun 2022 menunjukkan terjadi penurunan untuk kelompok umur 0-14 tahun, 15-24 tahun, 35-44 tahun, dan 45-54 tahun, sedangkan untuk kelompok umur 25-34 tahun dan ≥65 tahun terjadi peningkatan.

---

Forecasting morbidity rates is an important element for the government in making socio-economic policies in the coming years. Likewise, insurance companies need morbidity rates in order to provide targeted insurance products in a region or country. In this study, the Lee-Carter Model was used to forecast the morbidity rate of pulmonary tuberculosis in Indonesia in 2022, using morbidity rate data available from 2014 to 2021, and available for seven age groups, namely 0-14, 15-24, 25-34, 35-44, 45-54, 55-64, and ≥65. The research data source was taken from the 2018-2021 Indonesian Health Profile released by the Ministry of Health of the Republic of Indonesia. Forecasting the morbidity rate through the Lee-Carter model begins with estimating the parameter values in the Lee-Carter model using the Least Square method. Then, time-dependent parameter values are projected on the Lee-Carter model using the Simple Moving Average (SMA), Double Moving Average (DMA), Simple Exponential Smoothing (SES), and Holt's Linear Trend (HLT). From the simulation results it was found that the best method for projecting time-dependent parameter values for one period into the future is the Simple Exponential Smoothing (SES) method. The projected values of the parameters obtained are used to calculate the forecasting value of the morbidity rate. The results of forecasting the tuberculosis morbidity rate in Indonesia in 2022 showed a decrease for the age groups 0-14 years, 15-24 years, 35-44 years, and 45-54 years, while for the age groups 25-34 years and ≥65 years there was an increase."

"Tingkat mortalitas merupakan komponen penting dalam analisis kesehatan masyarakat yang diperlukan oleh banyak institusi seperti pemerintah, organisasi kesehatan, hingga perusahaan asuransi. Akan tetapi, data tingkat mortalitas merupakan data yang terus berubah seiring berjalannya waktu sehingga dibutuhkan peramalan tingkat mortalitas. Untuk melakukan peramalan tingkat mortalitas, diperlukan kesesuaian dari berbagai metode dan model untuk dapat memaksimalkan tingkat akurasi dari nilai hasil ramalan. Untuk mencapai hal tersebut, skripsi ini melakukan simulasi peramalan dengan model Cairns-Blake-Dowd (CBD) yang diaplikasikan terhadap data Tingkat Mortalitas Indonesia untuk jenis kelamin laki-laki yang bersifat tahunan. Model CBD sendiri memiliki dua parameter yang diestimasi menggunakan metode Least Square. Lalu, dikarenakan sifat parameter yang merupakan deret waktu multivariat, akan digunakan metode peramalan berupa Vector Autoregressive Integrated Moving Average (VARIMA). Hasil ramalan tersebut kemudian disubstitusikan kembali ke dalam model CBD untuk mendapatkan nilai tingkat mortalitas pada tahun-tahun berikutnya. Dalam menentukan akurasi hasil peramalan dari metode VARIMA dan estimasi parameter dari metode Least Square tersebut, digunakan metode Mean Squared Error (MSE).

---

Mortality rate is a crucial component in the analysis of public health which is required by various institutions such as the government, health organizations, and insurance companies. However, mortality rate data is constantly changing over time, necessitating the forecasting of mortality rates. Therefore, to forecast mortality rates, the alignment of various methods and models is necessary to maximize the accuracy of the forecasted values. To achieve this, this thesis will conduct a forecasting simulation using the Cairns-Blake-Dowd (CBD) model applied to Indonesian Mortality Rate data for males on an annual basis. The CBD model itself has two parameters to be estimated using the Least Square method. Then, due to the nature of the parameters as a multivariate time series, the Vector Autoregressive Integrated Moving Average (VARIMA) forecasting method will be employed. The forecasted results will be substituted back into the CBD model to obtain mortality rate values for the upcoming years. In determining the accuracy of the forecasting results from VARIMA and estimation from Least Square, the Mean Squared Error (MSE) method will be utilized."

"Tingkat mortalitas merupakan salah satu indikator dalam kemajuan bidang kesehatan dan untuk membantu mengidentifikasi kelompok masyarakat yang diutamakan menerima program kesehatan serta pembangunan khusus. Tingkat mortalitas juga dapat digunakan untuk menunjukkan tingkat kesejahteraan dan kualitas hidup suatu negara. Selain itu tingkat mortalitas juga berperan dalam penetapan harga premi (pricing) dan perhitungan cadangan manfaat (valuation) untuk polis asuransi, produk anuitas, serta berperan dalam manajemen risiko aktuaria dan program pensiun. Mengingat tingkat mortalitas merupakan variabel acak yang berubah dari waktu ke waktu dan nilainya berada pada interval (0,1), maka diperlukan suatu model untuk dapat meramalkan tingkat mortalitas di masa depan. Salah satu model yang memiliki potensi untuk dapat memodelkan dan meramalkan tingkat mortalitas adalah model Beta Autoregressive Moving Average (βARMA). Model βARMA merupakan pengembangan dari regresi beta di mana error modelnya mengikuti proses Autoregressive Moving Average (ARMA). Pada penelitian ini akan dibahas mengenai implementasi model βARMA dalam memodelkan dan juga meramalkan tingkat mortalitas. Data yang digunakan adalah data tingkat mortalitas tahunan Indonesia dari tahun 1960 hingga 2020 dengan trend menurun dan data tingkat mortalitas bulanan akibat kecelakaan kerja di Rio Grande do Sul dari Januari 2000 hingga Desember 2017 yang bersifat stasioner. Model βARMA terbaik untuk kedua data dipilih berdasarkan nilai Akaike’s Information Criterion (AIC) terkecil kemudian dilakukan peramalan untuk enam periode selanjutnya. Keakuratan peramalan diukur berdasarkan Root Mean Square Error (RMSE). Pada data tingkat mortalitas tahunan Indonesia, diperoleh nilai RMSE sebesar 0.0001, sementara pada data tingkat mortalitas bulanan akibat kecelakaan kerja di Rio Grande do Sul, diperoleh nilai RMSE sebesar 0.0226.

---

The mortality rate is one of the indicators of progress in the health sector and to help identify groups of people who are prioritized to receive special health and development programs. The mortality rate can also be used to indicate the level of welfare and quality of life of a country. In addition, the mortality rate also plays a role in pricing premiums and calculating the benefit reserve (valuation) for insurance policies and annuity products, as well as playing a role in actuarial risk management and pension programs. Considering that the mortality rate is a random variable that changes from time to time and the value is in the interval (0,1), a model is needed to be able to forecast the mortality rate in the future. One model that has the potential to be able to model and forecast mortality rates is the Beta Autoregressive Moving Average (βARMA) model. The βARMA model is a development of beta regression where the error model follows the Autoregressive Moving Average (ARMA) process. In this study, we will discuss the implementation of the βARMA model in modeling and forecasting mortality rates. The data used are Indonesia's annual mortality rate data from 1960 to 2020 with a decreasing trend and the monthly mortality rate data due to work accidents in Rio Grande do Sul from January 2000 to December 2017 which is stationary. The best βARMA model for both data is selected based on the smallest Akaike's Information Criterion (AIC) value then a forecast is made for the next six periods. Forecasting accuracy is measured based on Root Mean Square Error (RMSE). In Indonesia's annual mortality rate data, the RMSE value is 0.0001, while in the monthly mortality rate data due to work accidents in Rio Grande do Sul, the RMSE value is 0.0226."

"Populasi di Indonesia selalu mengalami perubahan dari tahun ke tahun karena peningkatan dan penurunan tingkat mortalitas yang berkelanjutan. Teori untuk meramalkan dan menganalisis tingkat mortalitas telah menarik minat perusahaan-perusahaan asuransi jiwa. Jika informasi tentang tingkat mortalitas nasabah untuk beberapa tahun kedepan dapat diperoleh di masa sekarang, maka perencanaan keuangan dan kebijakan dalam menentukan besarnya premi yang harus dibayarkan oleh nasabah kepada perusahaan asuransi tersebut akan lebih baik dan terarah. Tesis ini mengusulkan model Cairns-Blake-Dowd (CBD) untuk meramalkan tingkat mortalitas penduduk di Indonesia berdasarkan jenis kelamin. Model CBD memuat dua parameter yang bergantung waktu. Tahap pertama adalah menggunakan metode Least Square untuk mengestimasi nilai dari parameter-parameter pada model CBD. Pada tahap kedua, nilai dari parameter-parameter yang diperoleh dari tahap pertama diproyeksikan untuk empat periode kedepan menggunakan metode Holts Linear Trend. Kemudian nilai proyeksi dari parameter-parameter yang diperoleh dari tahap kedua digunakan untuk menghitung nilai ramalan dari tingkat mortalitas untuk empat periode kedepan menggunakan model CBD. Keakuratan dari hasil simulasi numerik yang dilakukan pada tahap pertama dan kedua diverifikasi oleh Mean Absolute Error (MAE).

---

The population of Indonesia always changes from year to year due to continuous increase and decrease in mortality rates. The theory of predicting and analyzing mortality rates has attracted the interest of life insurance companies. If information about the mortality rates of a customer for the next few periods can be obtained in the present, then the financial planning and policy in determining the amount of premium that must be paid by a customer to the insurance company are expected to be better and more directed. This thesis proposes the Cairns-Blake-Dowd (CBD) model to forecast the mortality rates of Indonesia population based on gender. The CBD model contains two time-dependent parameters. The first stage is to use the Least Square method to estimate these parameters. In the second stage, the parameters obtained from the first stage are projected for the next four periods using Holts Linear Trend method. Then the projection parameters obtained from the second stage are used to calculate the mortality rates for the next four periods using the CBD model. The accuracy of the numerical simulation results carried out in the first and second stages is verified by the Mean Absolute Error (MAE)."