Laju Mortalitas sebagai Laju Kegagalan dan Fungsi Survival

sebagai Fungsi Reliabilitas Catatan Belajar

Oleh Danny Pattirajawane

Laju mortalitas atau laju kematian merupakan istilah khusus dari laju
kegagalan (failure rate atau hazard rate) yang lebih umum. Laju kegagalan tidak
hanya dipergunakan pada manusia, melainkan juga pada alat. Kematian
menyatakan batas usia seseorang, sedangkan kegagalan menyatakan batas usia
(keberfungsian) manusia atau alat. Demikian pula survival dapat diperumum
menjadi reliabilitas (keandalan). Survival menunjukan peluang hidup seseorang
hingga usia tertentu, sedangkan reliabilitas menyatakan keandalan atau peluang
keberfungsian orang atau alat hingga jangka waktu tertentu. Konsep hazard dan
reliabilitas dipergunakan secara luas dalam Industri.
Baik fungsi survival maupun reliabilitas memiliki elemen yang sama yakni fungsi
kegagalan (failure function) yang merupakan fungsi distribusi kumulatif probabilitas
(CDF) yang disimbolkan dengan

F X ( x) . Untuk fungsi survival kita memiliki

ekspresi

s ( x ) =1F X ( x)
Sedangkan untuk fungsi reliabilitas

R ( x ) =1F X ( x )
Laju mortalitas dinyatakan sebagai

(x )=

f X ( x)
s' ( x )
=
1F X ( x) s ( x )

Laju kegagalan (failure / hazard rate) juga memiliki ekspresi yang sama

h ( x )=

Di sini

f X (x )
f X (x)
=
1F X (x) R ( x )
f X ( x ) =F ' X ( x)

yang merupakan fungsi densitas probalitas (PDF).

Laju mortalitas umumnya memiliki PDF de Moivre, Gompertz, Makeham dan Weibull
(Bowers et al, 1997; Rakhman & Effendie, 2013). Pada laju kegagalan, PDF yang
paling sering dikaitkan dengannya adalah distribusi eksponesial, Weibull dan
lognormal (Shapiro, 1998). Fungsi-fungsi distribusi tersebut sama-sama berurusan
dengan proses penuaan (ageing). Dalam Lai dan Xei (2006) disebutkan ada 14
fungsi distribusi penuaan (ageing distribution) di antaranya:
1. Eksponensial
2. Gamma
3. Normal terpotong (truncated normal)
4. Weibull
5. Lognormal
6. Birnbaum-Saunders
7. Invers-Gaussian
8. Gompertz
9. Makeham
10.Laju kegagalan linear (linear failure rate)
11.Lomax
12.Log-logistik
13.Burr XII
14.geometrik eksponensial
Pembahasan dibatasi pada PDF laju mortalitas (de Moivre, Gompertz, Makeham,
Weibull) dan laju kegagalan (eksponesial, Weibull, lognormal) yang telah disebutkan
di atas. Berbagai PDF tersebut dapat disistematisasi dengan mengolongkannya ke
tiga jenis laju kegagalan: pertama, laju kegagalan konstan; kedua, laju kegagalan
meningkat; ketiga, laju kegagalan menurun.
Fungsi distribusi eksponensial adalah fungsi dengan laju kegagalan konstan.
Sedangkan fungsi distribusi de Moivre, Gompertz dan Makeham merupakan fungsifungsi dengan laju kegagalan meningkat. Laju kegagalan yang meningkat ini
dianggap cocok untuk memodelkan mortalitas pada untuk usia dewasa sebab
semakin tua usia semakin tinggi laju mortalitasnya.
Fungsi Weibull tergantung dengan nilai parameter
(power) dari fungsi tersebut. Bila

c=1

yang merupakan pangkat

c <1 maka laju mortalitas akan menurun. Bila

ia menjadi konstan. Dan bila

c >1 laju mortalitas akan meningkat.

Sedangkan distribusi lognormal merupakan campuran di mana pada awalnya laju

mortalitas meningkat kemudian menurun.
Tabel 1. PDF dan Sifat Laju Kegagalannya
Laju Kegagalan (Hazard rate)
Konstan
Meningkat

PDF
Eksponensial, Weibull c = 1
de Moivre, Gompertz, Makeham, Weibull

c>1
Weibull c < 1
Lognormal

Menurun
Meningkat kemudian menurun
Distribusi Eksponensial
PDF eksponensial dinyatakan dengan
x

f X ( x ) = e

R ( x ) =ex
h ( x )=
Terlihat bahwa dengan distribusi eksponensial laju mortalitasnya konstan. Ini
artinya dengan PDF ini suatu barang sudah beroperasi sekian waktu memiliki laju
kerusakan yang sama dengan barang yang masih baru.
Distribusi-distribusi dengan laju mortalitas meningkat
Distribusi eksponensial dirasa kurang cocok untuk permodelan mortalitas manusia
dewasa. Dalam hal ini peningkatan usia perlu dikaitkan pula dengan peningkatan
laju kematian. Konsep laju mortalitas yang tertua untuk menjawab kondisi itu ialah
laju mortalitas dengan PDF de Moivre (1729)

(x )=

1
, 0 x<
x

Terlihat bila

semakin mendekati

maka

(x )

akan meningkat mendekati

tak hingga.
Kemudian laju mortalitas yang dianggap lebih baik adalah laju mortalitas Gompertz
(1825) yang dinyatakan dengan

( x ) =B C x , B>0, C> 1, x 0
Laju mortalitas Gompertz ini baik dipakai untuk usia sekitar 15 tahun sampai kirakira 60 tahun (Sembiring, 1986). Makeham kemudian memperumum laju mortalitas
Gompertz dengan menambah konstanta

( x ) =A +B C x , B> 0, A B , C> 1, x 0

Laju mortalitas Makeham ini pun memiliki keterbatasan yakni ia hanya dianggap
baik digunakan antara usia 20 sampai usia sekitar 70 tahun dan paling baik antara
usia 35 70 tahun.

Distribusi Weibull
PDF yang lebih umum adalah distribusi Weibull yang mencakup ketiga kasus baik
laju kegagalan (mortalitas) konstan, meningkat dan menurun. Laju mortalitas
Weibull dinyatakan sebagai berikut

h ( x )=B x

c1

Terlihat bahwa sifat laju mortalitasnya ditentukan oleh nilai parameter

c=0

ia menjadi konstan. Jika

dan bila

c <1

c . Jika

laju mortalitas akan menurun untuk

c >1 ia akan meningkat untuk

x> 1

x> 1 .

Distribusi Lognormal

mengikuti distribusi lognormal jika dan hanya jika

ln X N ( , 2 )
Di sini adalah distribusi normal dengan mean
Laju mortalitas lognormal pada

x=0

berlaku

dan variansi

h ( 0 )=0

dan

2 .
h( x ) meningkat

hingga maksimum kemudian menurun hingga ke nol.

Permodelan mortalitas penduduk
Telah disebutkan di atas bahwa pada model mortalitas penduduk real distribusi
yang sering dipergunakan adalah Gompertz atau Makeham. Namun demikian
distribusi-distribusi tersebut hanya cocok pada usia tertentu (khususnya dewasa).
Pada usia bayi sejak baru lahir hingga masa kanak-kanak umumnya tidak cocok
dengan permodelan menggunakan distribusi-distribusi ini.
Pada bayi baru lahir tingkat mortalitasnya cukup tinggi, mungkin disebabkan tingkat
imunitas yang belum optimal sehingga lebih rentan. Namun sejalan bertambahnya
usia, imunitas semakin terbentuk sehingga laju mortalitasnya menurun. Jadi pada

usia bayi baru lahir hingga masa kanak-kanak terjadi penurunan laju mortalitas. Hal
ini terbalik dengan usia dewasa di mana laju mortalitas meningkat seiring dengan
pertambahan usia.
Dalam memodelkan laju mortalitas penduduk Amerika Serikat (AS) menggunakan
data tabel hidup tahun 1979 1981, Carriere (1992) menggunakan tidak Cuma satu
fungsi distribusi. Plot kurva Laju mortalitas terhadap usia penduduk AS terlihat
menurun pada masa kanak, membentuk bukit (naik kemudian turun) pada usia
sekitar 23 tahun dan meningkat terus pada usia dewasa hingga lansia.
Carriere menggunakan 3 jenis fungsi distribusi: pertama, Weibull untuk laju
mortalitas pada usia kanak-kanak yang cenderung menurun; kedua, inversWeibull untuk laju mortalitas sekitar usia 23 tahun yang mementuk bukit (naik
kemudian turun); dan terakhir, Gompertz untuk usia dewasa hingga lansia. Sekali
lagi Gompertz hanya cocok digunakan untuk memodelkan laju mortalitas usia
dewasa. (Catatan:
dan hanya jika

1
X

adalah variabel random berdistribusi invers-Weibull, jika

berdistribusi Wiebull).

Materi disarikan dari berbagai sumber:

Referensi
Balakrishnan N., Lai CD., Continuous Bivariate Distributions, Springer, 2009
Bowers et. al., Actuarial Mathematics, The Society of Actuaries, 1997
Carriere J. F., Parametric Models for Life Table, Trans. Soc. Of Actuaries, 1992 Vol. 22:
77 99
Johnson N. L., Kotz S., Balakrishnan N. , Continuous Univariate Distributions, Volume
I, 2nd Edition, John Wiley & Sons, New York, 1995
Lai CD., Xie M., Stochatics Ageing and Dependence for Reliability, Springer, 2006
Rakhman A., Effendie A. R., Matematika Aktuaria, Penerbit Universitas Terbuka, 2013
Sembiring R. K., Asuransi I, Penerbit Karunika Jakarta, Universitas Terbuka, 1986
Buat teman-teman, berikut saya lampirkan catatan belajar saya tentang laju kematian (mortalitas). Pada
buku modul bagian hukum mortalitas kita mengenal ada 4 jenis fungsi distribusi yang digunakan untuk
laju kematian yakni de Moivre, Gompertz, Makeham dan Weibull. Yang paling sering digunakan
Gompertz dan Makeham, namun perlu diketahui bahwa kedua distribusi ini hanya cocok untuk
memodelkan laju kematian penduduk usia dewasa. Tidak cocok untuk usia kanak-kanak.
Keempat distribusi yang dibahas dalam buku modul adalah distribusi-distribusi yang menyebabkan laju
mortalitasnya meningkat seiiring dengan bertambahnya usia. Hal ini tentu masuk akal. Pada orang
dewasa peningkatan usia menyebabkan peningkatan risiko kematian pula. Namun pada masa kanakkanak justru terbalik. Pada bayi baru lahir karena mungkin imunitasnya masih rendah cukup tinggi laju
mortalitasnya. Kemudian laju mortalitas ini menurun seiring dengan bertambahnya usia anak. Jadi pada

masa kanak-kanak dibutuhkan model laju kematian yang menurun. Sebenarnya untuk ini bisa
menggunakan distribusi Weibull dengan syarat parameter tertentu.
Pada buku modul laju kematian Weibull dinyatakan dengan m(x) = kx n di mana n > 0. Sebenarnya
distribusi Weibull tergantung parameter n. Bila n > 0 makan laju kematian m(x) akan terus meningkat
pada x > 1. namun saat n = 0, laju kematiannya menjadi konstan. Laju kematian yang menurun dapat kita
peroleh dari laju kematian Weibull saat kondisi parameternya n < 0.
Pada tabel 9.1 tabel ilustrasi jiwa di buku modul halaman 9.43, laju mortalitasnya dimodelkan oleh hukum
Makeham (cf. Bowers et al, 1997 hal. 78) dengan rumus 1000 m(x) = 0,7 + 0,05 (100,04)x. untuk usia 13
tahun ke atas. Jadi dari model laju mortalitas Makeham nilai A = 0,7/1000 , nilai B = 0,05/1000 , dan nilai
C = 100,04. Sekalilagi Makeham yang merupakan perumuman dari Gompertz tidak cocok untuk
memodelkan laju mortalitas masa kanak-kanak (dalam konteks ini usia < 13 tahun).