BAYESIAN MODEL AVERAGING UNTUK ESTIMASI HARAPAN HIDUP DAN VALUASI MANFAAT PENSIUN PADA SISTEM PENSIUNAN PUBLIK

ALDONA WIJAYANTHI, . (2026) BAYESIAN MODEL AVERAGING UNTUK ESTIMASI HARAPAN HIDUP DAN VALUASI MANFAAT PENSIUN PADA SISTEM PENSIUNAN PUBLIK. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (224kB)
	Text BAB II.pdf Restricted to Registered users only Download (380kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (368kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (334kB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (206kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (213kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (287kB) | Request a copy

Abstract

Ketidakpastian umur hidup penerima pensiun merupakan permasalahan penting dalam perencanaan dan valuasi manfaat pensiun karena dapat memengaruhi estimasi kewajiban jangka panjang. Penggunaan satu model mortalitas berpotensi menghasilkan estimasi yang bias akibat ketidakpastian pemilihan model. Oleh karena itu, penelitian ini bertujuan untuk menerapkan pendekatan Bayesian Model Averaging (BMA) dalam analisis survival guna memperoleh estimasi harapan hidup dan valuasi manfaat pensiun yang lebih robust. Data yang digunakan merupakan data penerima pensiun yang diperlakukan sebagai data survival tanpa sensor, dengan waktu survival didefinisikan sebagai selisih antara usia meninggal dan usia pensiun. Pemodelan survival dilakukan menggunakan distribusi Weibull dan Gompertz dalam kerangka Bayesian, dengan estimasi parameter menggunakan metode Markov Chain Monte Carlo (MCMC). Evaluasi konvergensi rantai MCMC dilakukan untuk memastikan kestabilan estimasi parameter posterior. Selanjutnya, kedua model digabungkan menggunakan pendekatan BMA untuk memperoleh fungsi survival gabungan. Hasil penelitian menunjukkan bahwa estimasi harapan hidup berbasis BMA berada di antara hasil model Weibull dan Gompertz serta menghasilkan estimasi valuasi manfaat pensiun yang lebih stabil. Dengan demikian, pendekatan BMA dapat digunakan sebagai alternatif yang relevan dalam perencanaan dan pengelolaan sistem pensiun yang mempertimbangkan ketidakpastian mortalitas. ***** Uncertainty in the lifespan of pension beneficiaries is an important issue in pension planning and benefit valuation, as it can significantly affect the estimation of long-term liabilities. The use of a single mortality model may lead to biased estimates due to model selection uncertainty. Therefore, this study aims to apply the Bayesian Model Averaging (BMA) approach in survival analysis to obtain more robust estimates of life expectancy and pension benefit valuation. The data used consist of pension beneficiary data treated as uncensored survival data, with survival time defined as the difference between age at death and retirement age. Survival modeling is conducted using the Weibull and Gompertz distributions within a Bayesian framework, with parameter estimation performed using the Markov Chain Monte Carlo (MCMC) method. Convergence diagnostics of the MCMC chains are carried out to ensure the stability of posterior parameter estimates. Subsequently, both models are combined using the BMA approach to obtain a combined survival function. The results show that the BMA-based life expectancy estimates lie between those obtained from the Weibull and Gompertz models and produce more stable estimates of pension benefit valuation. Thus, the BMA approach can serve as a relevant alternative in the planning and management of pension systems that account for mortality uncertainty.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Drs. Sudarwanto, M.Si, DEA. ; 2). Ibnu Hadi, M.Si.
Subjects:	Sains > Matematika Sains > Statistika
Divisions:	FMIPA > S1 Matematika
Depositing User:	Aldona Wijayanthi .
Date Deposited:	04 Feb 2026 06:29
Last Modified:	04 Feb 2026 06:29
URI:	http://repository.unj.ac.id/id/eprint/64669

Actions (login required)

View Item