Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."