Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDurasi dan konveksitas adalah dua hal penting yang tidak terlepas dalam imunisasi mortalitas. Pada mulanya, durasi dan konveksitas berhubungan erat dengan imunisasi aset keuangan terhadap perubahan suku bunga. Namun beberapa penelitian terakhir telah mengaplikasikan konsep durasi dan konveksitas ini dalam imunisasi terhadap mortalitas. Pada tugas akhir ini dikembangkan dua puluh empat strategi imunisasi mortalitas dengan menggunakan konsep durasi dan konveksitas pada portofolio asuransi yang terdiri atas produk asuransi kehidupan dan produk anuitas. Hasil akhir dari tugas akhir ini diperoleh proporsi optimal antara produk asuransi kehidupan dan produk anuitas. Simulasi numerik diberikan untuk mengetahui nilai dan karakteristik proporsi optimal dari dua portofolio yang dipengaruhi oleh beberapa faktor yaitu : strategi yang digunakan, model mortalitas, jenis perubahan model mortalitas, tahun usia pemegang polis saat mendaftarkan diri ke perusahaan asuransi, jangka waktu pembayaran premi, dan jangka waktu polis.

---

ABSTRACTDuration and convexity are two important factors in mortality immunization. These two factors used to be very closely related to financial assets immunization towards change in interest rate, but some of the latest studies had applied the concept of duration and immunization in terms of mortality immunization. This thesis paper examines 24 mortality immunization strategies that applied the duration and convexity concept in insurance portfolios which consist of life insurance and annuity products. The outcome of this study is the optimal proportion of the life insurance and annuity products. Numeric simulations had been done to obtain the value and characteristics of the optimal proportion for two portfolios which is affected by several factors, namely the implemented strategy, mortality model, mortality model change type, age of policy holder, year of application, payment paying period, and term policies."

"Kehadiran mahasiswa merupakan aspek penting dalam kegiatan perkuliahan. Sistem kehadiran yang banyak digunakan saat ini masih menggunakan kertas, smart card, RFID, dan fingerprint, yang sering kali memerlukan kontak fisik, rentan terhadap manipulasi, atau implementasi yang kompleks. iBeacon dipilih sebagai alternatif karena kemampuannya untuk mendeteksi keberadaan perangkat melalui sinyal Bluetooth Low Energy (BLE), yang memungkinkan pemantauan kehadiran tanpa kontak fisik serta biaya implementasi dan perawatan yang lebih rendah. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem pencatatan dan pemantauan kehadiran siswa otomatis berbasis teknologi iBeacon. Sistem yang dibentuk menggunakan metode pemantauan proximity iBeacon untuk penentuan pola masuk atau keluar mahasiswa. Machine learning (ML) berperan penting dalam mendeteksi pola kehadiran mahasiswa dengan memproses data proximity yang diterima dari iBeacon untuk menentukan status kehadiran. Penelitian ini memberikan rekomendasi peletakan iBeacon serta model yang dapat digunakan, menunjukkan bahwa iBeacon yang diletakkan dengan jarak pemisahan sebesar 5 meter memberikan hasil terbaik. Model Random Forest menunjukkan akurasi tertinggi pada jarak 5 meter dengan akurasi 0.9727, F1-score 0.9731, precision 0.9735, dan recall 0.9727. Model ini juga kemudian diuji coba pada ruangan lain yang memiliki layout dan luas yang serupa, dan mendapatkan hasil yang cukup memuaskan. Sistem diuji menggunakan beberapa skenario yang mencakup berbagai kemungkinan yang terjadi saat penggunaan aplikasi sistem kehadiran. Selain itu, sistem ini juga menerapkan verifikasi random checking untuk memastikan validitas kehadiran mahasiswa secara acak, yang meningkatkan keakuratan dan mengurangi kemungkinan manipulasi data. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa sistem kehadiran berbasis iBeacon ini mampu meningkatkan efisiensi dan akurasi pencatatan kehadiran siswa.

---

Student attendance is a crucial aspect of college activities. The attendance systems widely used today still rely on paper, smart cards, RFID, and fingerprints, which often require physical contact, are prone to manipulation, or involve complex implementation. iBeacon was chosen as an alternative due to its ability to detect the presence of devices through Bluetooth Low Energy (BLE) signals, enabling contactless attendance monitoring and offering lower implementation and maintenance costs. This study aims to develop and implement an automatic student attendance recording and monitoring system based on iBeacon technology. The system employs iBeacon proximity monitoring to determine student entry or exit patterns. Machine learning (ML) plays a crucial role in detecting attendance patterns by processing proximity data received from iBeacons to determine attendance status. This study provides recommendations for iBeacon placement and suitable models, demonstrating that iBeacons placed with a separation distance of 5 meters yield the best results. The Random Forest model shows the highest accuracy at a 5-meter distance with an accuracy of 0.9727, an F1-score of 0.9731, a precision of 0.9735, and a recall of 0.9727. This model was also tested in another room with a similar layout and size, yielding satisfactory results. The system was tested using several scenarios covering various possible situations during the application of the attendance system. Additionally, the system implements random checking verification to ensure the validity of student attendance randomly, increasing accuracy and reducing the possibility of data manipulation. Overall, the findings indicate that the iBeacon-based attendance system can improve the efficiency and accuracy of student attendance recording."

"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."

"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."

"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."

"Dalam kurun waktu beberapa tahun terakhir ini dunia sedang menghadapi bahaya dari pandemi serta peperangan atau konflik antar negara. Kasus seperti pandemi dan konflik atau perang antar negara merupakan kejadian atau kondisi ekstrim yang dapat terjadi kapan saja dan menimbulkan banyak korban jiwa. Oleh karena itu, diperlukan pemodelan yang dapat mengakomodir mortalitas akibat kejadian ekstrim tersebut. Model Lee-Carter merupakan sebuah model yang menggunakan data tingkat mortalitas dari kelompok usia yang diamati dari waktu ke waktu. Untuk mengakomodir tingkat mortalitas ekstrim, model Lee-Carter dimodifikasi menggunakan Extreme Value Theory (EVT) yang disebut dengan Model EVT modified Lee-Carter. Pendekatan EVT yang digunakan adalah pendekatan Peak Over Threshold (POT) dengan Generalized Pareto Distribution (GPD). Model ini diimplementasikan pada data tingkat mortalitas Indonesia tahun 1998 untuk peramalan tingkat mortalitas periode pandemi Covid-19 tahun 2021 dan 2022. Dalam pemodelan GPD, didapatkan nilai threshold sebesar 0,02. Untuk nilai yang berada di atas threshold, dimodelkan dengan GPD dan nilai yang berada dibawah threshold dimodelkan dengan distribusi normal dan empiris. Hasil yang didapatkan dari nilai Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE) adalah model Extreme Value Theory Modified Lee-Carter distribusi empiris memberikan nilai MAPE terkecil sebesar 12,156%. Sementara itu, model Extreme Value Theory Modified Lee-Carter distribusi normal memiliki nilai MAPE sebesar 13,175% dan model Lee-Carter biasa sebesar 13,343% dalam peramalan tingkat mortalitas Indonesia pada kelompok usia yang mengalami kejadian ekstrim.

---

In the last few years the world has been facing danger from pandemics and wars or conflicts between countries. Cases such as pandemics and conflicts or wars between countries are extreme events or conditions that can occur at any time and cause many casualties. Therefore, modeling is needed that can accommodate mortality due to extreme events. The Lee-Carter model is a model that uses mortality rate data from age groups observed over time. To accommodate extreme mortality rates, the Lee-Carter model was modified using Extreme Value Theory (EVT) which is called the modified Lee-Carter EVT Model. The EVT approach used is the Peak Over Threshold (POT) approach with Generalized Pareto Distribution (GPD). This model was implemented on Indonesian mortality rate data in 1998 to forecast mortality rates for the Covid -19 pandemic period in 20 21 and 2022. In GPD modeling, a threshold value of 0.02 is obtained . For values that are above the threshold, they are modeled with GPD and values that are below the threshold are modeled with a normal and empirical distribution. The results obtained from the Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE) values are that the Extreme Value Theory Modified Lee-Carter empirical distribution model gives the smallest MAPE value of 12.156%. Meanwhile, the Extreme Value Theory Modified Lee-Carter normal distribution model has a MAPE value of 13.175% and the regular Lee-Carter model is 13.343% in predicting Indonesia's mortality rate in age groups that experience extreme events."

"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"