Pemodelan Tingkat Mortalitas Indonesia Menggunakan Bayesian Age-Period-Cohort Model dan Penerapannya pada Analisis Risiko Longevity

Pamungkas, Gelegar Caesario (2024) Pemodelan Tingkat Mortalitas Indonesia Menggunakan Bayesian Age-Period-Cohort Model dan Penerapannya pada Analisis Risiko Longevity. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006201103-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (19MB) | Request a copy

Abstract

Angka mortalitas atau angka kematian merupakan parameter dalam penghitungan demografi yang berfungsi untuk mengukur pengurangan jumlah penduduk. Tingkat mortalitas sendiri banyak digunakan pada bidang ekonomi maupun kesehatan. Model Bayesian Age-period-cohort adalah pendekatan statistik yang digunakan untuk memodelkan tingkat mortalitas yang dapat menjadi alat yang berguna untuk menganalisis risiko Longevity. Model ini menggunakan distribusi posterior tingkat kematian dari efek spesifik usia, periode, dan kohor untuk meramalkan tingkat mortalitas di masa depan, dan dapat diterapkan pada data historis dan data saat ini. Salah satu aplikasi dari model Bayesian APC adalah menganalisis risiko Longevity, yang mengacu pada risiko bahwa orang akan hidup lebih lama dari yang diharapkan, yang mengarah pada peningkatan biaya untuk program pensiun dan perusahaan asuransi. Model Bayesian APC digunakan untuk meramalkan tingkat kematian di masa depan agar entitas-entitas ini dapat mengelola risiko mereka dengan lebih baik dan membuat keputusan yang lebih tepat mengenai kewajiban mereka. Selain penerapannya dalam analisis risiko Longevity, model Bayesian APC juga dapat digunakan di bidang lain seperti meramalkan tingkat mortalitas di negara-negara berkembang dan menganalisis dampak tren yang ada terhadap tingkat mortalitas. Secara keseluruhan, model Bayesian APC adalah metode yang akurat untuk memodelkan tingkat mortalitas dan memiliki beberapa aplikasi di bidang ilmu aktuaria dan manajemen risiko. Pada penelitian ini dihitung estimasi tingkat mortalitas Indonesia menggunakan model Bayesian APC dan dilakukan analisis risiko Longevity dari hasil estimasi. Estimasi parameter yang dihasilkan pada penelitian ini dapat dikatakan akurat dan parameter yang diramalkan kedepannya memiliki pola yang terus menurun. = Mortality or mortality is a parameter in demographic calculations that serves to measure population decrease. The mortality rate itself is widely used in the economic and health fields. The Bayesian Age-period-cohort model is a statistical approach used to model mortality rates that can be a useful tool for analyzing Longevity risk. This model uses the posterior death rate distribution of age-specific effects, periods, and cohors to predict mortality in the future, and can be applied to historical data and current data. One application of the Bayesian APC model is to analyze Longevity risk, which refers to the risk that people will live longer than expected, which leads to increased costs for pension programs and insurance companies. In addition to its application in Longevity risk analysis, the Bayesian APC model can also be used in other fields such as predicting mortality rates in developing countries and analyzing the impact of existing trends on mortality. Overall, the Bayesian APC model is an accurate method for modeling mortality rates and has several applications in the fields of actuarial science and risk management. The study calculated estimates of the mortality rate of Indonesia using the Bayesian APC model and conducted Longevity risk analysis of the estimated results. The estimated parameters produced in this study can be said to be accurate and the parameters predicted have a continuously decreasing pattern.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bayesian APC Forecasting, Metode Bayesian, Model Bayesian APC, Monte Carlo Markov Chain, Tingkat Mortalitas = Bayesian APC Model, Bayesian Method, Bayesian APC Forecasting, Monte Carlo Markov Chain, Mortality Rate
Subjects:	Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Gelegar Caesario Pamungkas
Date Deposited:	02 Aug 2024 07:40
Last Modified:	02 Aug 2024 07:40
URI:	http://repository.its.ac.id/id/eprint/111348

Actions (login required)

View Item