Hasil Pencarian  ::  Simpan CSV :: Kembali

"Model mortalitas merupakan aspek penting dalam menentukan premi untuk perusahaanasuransi jiwa ataupun dana pensiun. Model mortalitas untuk populasi tunggal umumnyamengasumsikan independensi mortalitas antar populasi. Pada tugas akhir ini akan dibahasmodel prediksi mortalitas yang mengasumsikan dependensi mortalitas antar populasiuntuk memodelkan mortalitas multi-populasi. Pendekatan yang digunakan adalah modelkredibilitas hierarki untuk memprediksi mortalitas beberapa negara (multi-populasi).Secara sederhana, model kredibilitas Bühlmann memprediksi nilai dari suatu peubah acakdi satu periode yang akan datang. Model kredibilitas hierarki adalah generalisasi darimodel kredibilitas Bühlmann dan model kredibilitas Bühlmann-Straub dengan strukturpohon hierarki empat tingkat atau lebih. Pada tulisan ini diterapkan struktur pohonhierarki 5 tingkat yang terdiri dari multi-negara, negara, jenis kelamin, usia, dan tahun.Untuk memprediksi nilai dari peubah acak yang menyatakan tingkat perubahan nilailogaritma natural dari central death rate di periode-periode berikutnya, digunakan duastrategi, yaitu Expanding Window dan Moving Window. Kedua strategi memanfaatkandata prediksi terbaru sebagai data yang digunakan untuk memprediksi tahun berikutnya,namun strategi Moving Window menghilangkan data terlama. Parameter dari model yangdigunakan akan diestimasi menggunakan pendekatan non-parametrik. Data yangdigunakan untuk penerapan model adalah data mortalitas dari Norwegia, Kanada danJepang. Pada akhir tulisan, performa dari model prediksi mortalitas dengan pendekatanmodel kredibilitas hierarki dibandingkan terhadap model Lee-Carter menggunakan nilaiAMAPE (Average of Mean Absolute Percentage Error) dan RR (Reduction Ratio).Berdasarkan hasil prediksi pada tugas akhir ini, pendekatan kredibilitas hierarki memilikiperforma yang lebih baik dibanding model Lee-Carter dalam memprediksi mortalitasmulti-populasi.

---

Mortality model is an important aspect in determining premium for life insurance

company and pension fund company. Generally, mortality model for single population

assumes independence between mortality of population. This thesis discusses mortality

model that assumes dependence between mortality of population to model multipopulation

mortality. Hierarchical credibility model is the approach used to forecast

mortality of multi-country (multi-population) in this writing. Bühlmann credibility model

predicts the value of a random variable in the future. Hierarchical credibility model is the

generalization of Bühlmann credibility model and Bühlmann-Straub credibility model

with a tree structure of four or more levels. This thesis applies a five-level tree structure

consisting of multi-country, country, gender, age, and year. To predict the random

variable of the yearly decrement of the logarithm of central death rate over the following

periods, two strategies are adopted, which are Expanding Window and Moving Window.

Both strategies utilize the newest predicted data as a part of the data used to predict the

next period, however Moving Window removes the oldest data. The parameters used will

be estimated using the nonparametric approach. Application of the model is applied to

mortality data of Norway, Canada and Japan. In the end of this thesis, mortality model

forecasting performance of hierarchical credibility approach is compared with Lee-Carter

model based on the values of AMAPE (Average of Mean Absolute Percentage Error) and

RR (Reduction Ratio). In accordance with the prediction results from this writing, the

hierarchical credibility approach yields better performance than the Lee-Carter model in

forecasting multi-population mortality."

"Memodelkan mortalitas merupakan hal yang penting bagi perusahaan asuransi maupun perusahaan dana pensiun dalam menentukan premi yang sesuai bagi perusahaan asuransi dan kontribusi yang sesuai bagi perusahaan dana pensiun. Pada skripsi ini dijelaskan mengenai pendekatan kredibilitas Bühlmann untuk memodelkan mortalitas. Model kredibilitas Bühlmann umumnya digunakan untuk memprediksi nilai dari suatu peubah acak pada satu periode yang akan datang. Dalam memprediksi nilai dari suatu peubah acak pada dua atau lebih periode yang akan datang, dibutuhkan suatu pendekatan. Pada penelitian ini, diperkenalkan suatu pendekatan kredibilitas Bühlmann yang dilakukan melalui 2 strategi, yaitu strategi expanding window dan strategi moving window. Strategi expanding window dilakukan dengan cara menambahkan nilai hasil prediksi ke dalam data untuk menghasilkan nilai prediksi di tahun berikutnya sedangkan strategi moving window dilakukan dengan cara menambahkan nilai hasil prediksi ke dalam data dan membuang data terlama untuk menghasilkan nilai prediksi di tahun berikutnya. Parameter pada pendekatan kredibilitas Bühlmann diestimasi melalui pendekatan nonparametrik. Performa prediksi mortalitas dari pendekatan kredibilitas Bühlmann dianalisis dengan cara membandingkan nilai AMAPE, AAMAPE, dan reduction ratio dari pendekatan kredibilitas Bühlmann terhadap model Lee-Carter. Dari penelitian ini, diperoleh bahwa pendekatan kredibilitas Bühlmann menghasilkan prediksi mortalitas yang lebih baik dibandingkan dengan model Lee-Carter pada kasus data mortalitas Australia

---

Modeling mortality is an important thing for insurance company and pension fund company in determining the appropriate premium for insurance company and appropriate contribution for pension fund company. This thesis explains the Bühlmann credibility approach for modeling mortality. Bühlmann's credibility model is generally used to predict the value of a random variable in the next future period. In predicting the value of a random variable in the next two or more future periods, an approach is needed. In this study, the Bühlmann credibility approach is done through 2 strategies, namely the expanding window strategy and the moving window strategy. The expanding window strategy is done by adding the predicted value to the data to produce a predicted value in the following year while the moving window strategy is done by adding the predicted value to the data and discarding the oldest data to produce a predicted value in the following year. The parameters of the Bühlmann credibility approach are estimated through the nonparametric approach. Mortality prediction performances from the Bühlmann credibility approach are being analyzed by comparing the values of AMAPE, AAMAPE, and the reduction ratio of the Bühlmann credibility approach to the Lee-Carter model. From this study, it was found that the Bühlmann credibility approach produced better mortality predictions compared to the Lee-Carter model in the case of Australian mortality data."

"Dalam asuransi, risiko dipindahkan dari pemegang polis ke perusahaan asuransi dengan membayar kompensasi berupa premi. Salah satu metode yang dapat digunakan dalam menentukan besar premi yang harus dibayar adalah menggunakan teori kredibilitas. Pada teori kredibilitas, premi pada tahun yang akan datang dihitung menggunakan kombinasi dari data masa lalu pemegang polis dan data lain yang bersesuaian. Salah satu model kredibilitas yang telah dikembangkan adalah model kredibilitas Bühlmann dan model Bühlmann-Staub. Asumsi model ini adalah setiap pemegang polis memiliki karakter dan tingkat risiko yang berbeda-beda dan dikelompok berdasarkan parameter risiko. Pada praktiknya, data asuransi dapat dikelompok berdasarkan lebih dari satu parameter risiko. Pada tugas akhir ini dibahas perumuman dari model Bühlmann-Straub, yaitu model kredibilitas hierarki, dimana data portofolio asuransi dikelompokkan dengan lebih dari satu parameter risiko. Selain itu, dalam memprediksi besar tarif premi digunakan kuantil dari besar klaim kontrak, menggantikan mean dari besar klaim kontrak. Penggunaan kuantil disebabkan data asuransi cenderung berekor tebal, dimana tidak jarang terdapat klaim yang bersifat outlier. Pembentukan model kredibilitas kuantil hierarki dimulai dengan menentukan faktor kredibilitas untuk sektor dan kontrak yang meminimumkan mean squared error antara parameter yang digunakan untuk memprediksi tarif premi dengan penaksirnya. Untuk menghitung faktor kredibilitas, diperlukan nilai dari parameter struktural model, yang ditaksir menggunakan metode non-parametrik. Setelah mendapatkan taksiran dari parameter struktural model serta faktor kredibilitas untuk masing-masing sektor dan kontrak, tarif premi dapat ditentukan untuk masing-masing sektor dan kontrak. Kemudian, akan dilihat performa dari model ini apabila terdapat outlier pada data. Secara umum, model ini robust terhadap outlier untuk kuantil yang nilainya tidak mendekati satu.

---

In insurance, the risk is transferred from the policyholder to the insurance company with paying compensation in the form of premiums. One method that can be used to determine the amount of premium that to be paid is using the credibility theory. In credibility theory, future premiums can be determined with the combination of past data of policyholder and the other corresponding data. One of the the credibility models that has been developed are the Bühlmann credibility model and Bühlmann-Straub credibility model. This model assumes that each policyholder has a different characteristic and level of risk and can be group based on risk parameter. In practiced, the data of insurance can be grouped based on more than one risk parameter. This thesis discusses a generalization of the Bühlmann-Straub credibility model, that is hierarchical credibility model, which the data of insurance portofolio grouped with more than one risk parameter. In order to predict the premiums rate, the quantile of the contract claim amount is used, replacing the mean of the contract claim amount. The use of quantiles is due to the fact that insurance data tends to be thick-tailed, where outlier claims are not uncommon. The construction of the hierarchical quantile credibility model begins by determining the credibility factor for sectors and contracts that minimizes the mean squared error between the parameters used to predict premium rates and their estimators. To calculate the credibility factor, takes the value of the structural parameters of the model, which estimated using non-parametric methods. After obtaining estimation of the structural parameters of the model as well as the credibility factor for each sector and contract, premium rates can be determined for each sector and contract. Then, the performance of this model will be seen if there is outlier in the data. In general, this model will be robust against outliers for quantile values that are not too large."

"

Model kredibilitas hierarki merupakan model yang dapat mengakomodir lebih dari satu faktor risiko. Model ini lebih sesuai untuk kondisi suatu data asuransi yang kompleks. Hypothetical mean digunakan sebagai besaran yang menjadi tolok ukur perhitungan premi. Proses menaksir nilai hypothetical mean dapat dilakukan dengan menggunakan proyeksi ortogonal pada salah satu ruang Hilbert yang berisi kombinasi linier dari observasi masa lampau. Taksiran hypothetical mean adalah fungsi dari parameter struktural model, yang ditaksir langsung dari data. Jika taksiran parameter struktural yang mendefinisikan variansi pada tingkat atas struktur hierarki adalah nol, maka parameter struktural variansi tingkat selanjutnya masih dapat dihitung dengan menggunakan limit. Metode yang dapat digunakan untuk mengestimasi parameter struktural tersebut adalah metode Ohlsson dan metode Bühlmann-Gisler. Dalam penelitian ini, dilakukan perbandingan pada taksiran hypothetical mean menggunakan model kredibilitas hierarki dan model Bühlmann-Straub. Hasilnya adalah terdapat perbedaan hasil antara penggunaan kedua metode tersebut ketika diterapkan pada model kredibilitas hierarki dibandingkan dengan model Bühlmann-Straub dan taksiran dengan model kredibilitas hierarki mendefinisikan situasi secara lebih realistis.

---

The hierarchical credibility model is a model that can accommodate more than one risk factor. This model can better describe the condition of a complex insurance data. Hypothetical mean is used as a quantity to be used for a benchmark of premium calculation. The process of estimating value of hypothetical mean can be done by using the orthogonal projection on one of Hilbert spaces that contains a linear combination of past observations. The estimation of hypothetical mean is a function of structural parameters of the model, which are estimated directly from the data. If the estimation of structural parameters that defines the variance on the upper levels of the hierarchical structure is zero, then that next structural parameters can still be counted with the limit. The method that can be used to estimate these structural parameters are the Ohlsson method and Bühlmann-Gisler method. In this research, the estimation of hypothetical mean using the hierarchical credibility model and the Bühlmann-Straub model are compared. The result is there is a difference between the usage of both method when applied on the hierarchical credibility model compared to the Bühlmann-Straub model and the estimation with the hierarchical credibility model defines the situation more realistically.

"

"Prediksi mortalitas menjadi suatu aspek penting bagi sebuah perusahaan asuransi maupun perusahaan dana pensiun dalam menentukan premi yang sesuai, melihat kondisi risiko umur panjang yang kian meningkat. Berdasarkan Teori Transisi Demografis, terdapat hubungan antara tingkat mortalitas negara yang berbeda, sehingga patut untuk dipertimbangkan dalam melakukan prediksi. Penelitian ini bertujuan untuk menganalisis suatu bentuk pemodelan mortalitas antarnegara (multi-populasi) guna mengahasilkan prediksi yang lebih baik. Pemodelan dilakukan dengan pendekatan kredibilitas Bühlmann multidimensi. Multidimensi diambil dari gagasan untuk mempertimbangkan secara serentak beberapa kategori berbeda yang diobservasi untuk kemudian menghasilkan suatu informasi yang dibutuhkan. Penambahan kategori pada penelitian ini sendiri adalah penambahan sumber informasi, dimana data tingkat mortalitas diambil dari beberapa negara. Teori kredibilitas Bühlmann pada umumnya digunakan untuk memprediksi nilai dari suatu peubah acak pada satu periode yang akan datang. Dalam penelitian ini, prediksi untuk tahun-tahun berikutnya juga dilakukan, yaitu melalui dua strategi Expanding Window dan Moving Window. Untuk setiap prediksi periode berikutnya, masing-masing strategi ini menggunakan data yang berbeda. Expanding Window dan Moving Window menggunakan nilai hasil prediksi sebagai data tambahan untuk membangun model prediksi tahun berikutnya, namun Moving Window juga membuang data terlama. Parameter model diestimasi dengan pendekatan non-parametrik. Model ini kemudian diaplikasikan pada data mortalitas negara Jepang, Swedia dan Ceko. Pada akhir penelitian, performa dari masing-masing model dianalisis melalui ukuran galat Mean Absolute Percentage Error (MAPE) dan Average Mean Absolute Percentage Error (AMAPE). Hasil prediksi menunjukkan bahwa performa model kredibilitas Bühlmann multidimensi cukup baik dalam memodelkan mortalitas antarnegara.

---

Mortality prediction is a crucial aspect for insurance and pension fund companies in deciding a suitable premium, by taking into consideration the inevitable risk of increasing life expectancy in a population. Based on the Demographic Transition Theory, there is a relation between countries mortality rates, which therefore ought to be considered in the prediction. The aim of this research is to discuss a cross-country (multi-population) mortality modeling in order to attain better mortality prediction. This modeling is based on multi-dimentional Buhlmann credibility approach. Multi-dimentional approach was derived from the idea to simultaneously observe several different categories that will produce the information needed. Additional categories in this research refer to mortality rates data taken from several countries. The BA¼hlmann credibility theory is generally used to predict the value of a random variable in a given period in the future.

In this research, prediction for years to come was done using two strategies, Expanding Window and Moving Window. For every prediction in the upcoming period, both Expanding Window and Moving Window use prediction result value as an additional data to build upon the prediction model for the next year, however Moving Window also dismisses the oldest data. The model parameter is estimated with non-parametric approach. This model is then applied to the mortality data from Japan, Sweden, and Czech. Finally, each models performance is analyzed using Mean Absolute Percentage Error (MAPE) and Average Mean Absolute Percentage Error (AMAPE). The result shows that the performance of the multi-dimensional BA¼hlmann credibility approach is satisfactory in modeling cross-country mortality rates."

"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."

"ABSTRAKTesis ini membahas penerapan model Lee-Carter, Renshaw-Haberman dan Age Period Cohort pada data kematian Pegawai Negeri Sipil di Indonesia dengan tujuan untuk membentuk mortality rate dari data riil yang telah dimodelkan dan membandingkannya dengan tabel mortalita Pegawai Negeri Sipil yang telah ada. Penelitian ini bersifat kuantitatif dengan menggunakan Cross Sectional DesignStudy. Hasil penelitian menunjukkan perlunya tabel mortalita yang membedakanantara tingkat mortalita PNS pria dan PNS wanita

---

ABSTRACTThe focus of this study is the application of model of Lee-Carter, Renshaw-Haberman and Age Period Cohort to Civil Servants Mortality Data in Indonesiawith the aim to establish a mortality rate of real data that has been modeled andcompared with mortality table of Civil Servants. This research is quantitative byusing Cross Sectional Study Design. The results showed the necessity ofdistinguishing mortality tables between men and women"

"ABSTRACTModel kredibilitas Buhlmann umumnya digunakan untuk memprediksi besar tarif premi untuk setiap pemegang polis pada periode ke-(n+1) berdasarkan riwayat klaim sebanyak periode atau model one period. Pada skripsi ini dilakukan generalisasi terhadap model kredibilitas Buhlmann one period yang disebut sebagai model kredibilitas Buhlmann multiple period. Model multiple period memungkinkan insurer memprediksi besarnya tarif net premium tidak hanya satu periode ke depan tetapi juga beberapa periode ke depan berdasarkan riwayat klaim sebanyak periode. Model yang dibangun memberikan bobot kepada future claim dan anticipating premium. Untuk meminimalkan selisih besarnya premi multiple period terhadap future claim maupun anticipating premium digunakan masalah pemrograman kuadratik. Masalah pemrograman kuadratik diselesaikan dengan menggunakan kondisi Karush-Kuhn-Tucker. Dengan mengaplikasikan konsep model multiple period terhadap data real terlihat bahwa model kredibilitas Buhlmann multiple period memberikan besar tarif premi yang lebih adil untuk setiap pemegang polis dibandingkan menggunakan model kredibilitas one period. Diharapkan dengan menggunakan model multiple period, insurer dapat melakukan perencanaan jangka panjang lebih baik serta meningkatkan keefektifitasan kinerja.

---

ABSTRACTBuhlmann credibility model generally used to predict premium tariff for each policyholder at  period based on period history claim or also called one period model. In this thesis, Buhlmann credibility model is generalized or also called multiple period model. Multiple period model allows insurer to predict amount of premium not only one period ahead but also few period ahead based on period history claim. The model is considering two important component, which are future claim and anticipating premium and gives weight for each component. To minimize the difference between premium multiple period and future claim also between premium multiple period and anticipating premium, quadratik programming problem is used on this thesis. Quadratic programming problem is solved by Karush-Kuhn-Tucker conditions. By applying the concept of multiple period models to real data, it can be seen that the Buhlmann multiple period credibility model gives premiums more fair for each policyholder than using the one-period credibility model. By using this model, hopefully insurer enable to conduct long-term financial planning and increase effectiveness of work."

"ABSTRAKSaat ini media-media berita di Indonesia mulai menerapkan jurnalisme presisi. Jurnalisme presisi merupakan kegiatan jurnalistik yang menggunakan metode penelitian ilmu sosial untuk mendapatkan informasi. Penggunaan penelitian dapat menghasilkan informasi yang lebih reliabel. Penerapan jurnalisme presisi pada media berita mempengaruhi bentuk manajemen media dan redaksional. Pelaksanaan penelitian menjadi inti dalam proses redaksional. Hasil informasi yang reliabel membuat penerapan jurnalisme presisi seringkali dikaitkan dengan kredibilitas media. Makalah ini membahas bahwa penerapan jurnalisme media pada satu media dan media lain dapat berbeda. Perbedaan ini disebabkan oleh keadaan organisasi media serta sumber daya yang dimiliki. Penerapan jurnalisme presisi dapat mendukung dimensi kredibilitas media yaitu akurasi, objektivitas, dan dapat dipercaya.

---

ABSTRACTRecently, many Indonesian news media start to apply precision journalism. Precision journalism is journalistic activity that uses social research method to get information. The uses of research can results more reliable information. The application of precision journalism in news media could affect the media and newsroom management form. The practice of research is the core in newsroom process. This paper examine the differences that may occur in terms of application of precision journalism in news media. The differences are cause by the condition of organization and resources that owned by the media. The application of precision journalism could support the accuracy, objectivity, and trustworthiness dimensions of media credibility."

"[ABSTRAKHierarchical clustering merupakan metode yang efektif dalam membentuk pohonfilogenetik dengan mengetahui matriks jarak antar barisan DNA. Salah satu carauntuk membuat matriks jarak yaitu dengan cara menggunakan metode -mer.Kelebihan dari metode -mer yaitu lebih efisien dalam segi waktu. Langkahlangkahdalam membuat matriks jarak dengan metode -mer dimulai denganmembentuk -mer sparse matrix dari masing barisan DNA. Selanjutnya,membentuk -mer singular value vector. Pada tahap akhir yaitu menghitung jarakantar vektor. Pada tesis ini akan dilakukan analisis terhadap barisan DNA MERSCoVdengan mengimplementasi Hierarchical clustering menggunakan -merssparse matrix sehingga dapat diketahui leluhur dari masing-masing barisan DNAMERS-CoV.

---

ABSTRACTHierarchical clustering is an effective method in creating phylogenetic byknowing the distance matrix between DNA sequence. One of methods to make thedistance matrix use -mer method. -mer is more efficient than others. The stepsto make distance matrix using -mer method starts from creating -mer sparsematrix. Then, creating -mer singular value vector. The last steps is countingdistance each vectors. This thesis will analyze the sequence of DNA MERS-CoVby implementing Hierarchical clustering using k-mers sparse matrix so that willbe known the ancestor of each sequence of DNA MERS-CoV., Hierarchical clustering is an effective method in creating phylogenetic byknowing the distance matrix between DNA sequence. One of methods to make thedistance matrix use -mer method. -mer is more efficient than others. The stepsto make distance matrix using -mer method starts from creating -mer sparsematrix. Then, creating -mer singular value vector. The last steps is countingdistance each vectors. This thesis will analyze the sequence of DNA MERS-CoVby implementing Hierarchical clustering using k-mers sparse matrix so that willbe known the ancestor of each sequence of DNA MERS-CoV.]"