Matematika Asuransi Jiwa

Force of Mortality dan Hukum Mortalita

Kata Pengantar

Page 1
Daftar Isi

Page 2
 Bab I

Pendahuluan

Rumusan Masalah

Tujuan

Page 3
 Bab II

ISI

A. Distribusi Survival dan Tabel Mortalitas

2.1 Distribusi Survival

Meninggalnya seseorang merupakan sesuatu yang pasti terjadi namun kapan

terjadinya tidak dapat kita diprediksi. Karena itu, ketahanan hidup (survival)
seseorang sampai ia meninggal dapat dianggap sebagai variabel acak atau
variabel random. Distribusi dari variabel acak ini disebut distribusi survival.
Distribusi survival dapat dinyatakan dalam bentuk fungsi distribusi F(x) atau
fungsi survival s(x).

2.1.1 Fungsi distribusi dan fungsi survival

Misalkan X menyatakan usia meninggal (berarti X 0). Fungsi distribusi atau

CDF dari X adalah fungsi

F(x) = P(X x), (2.1)

dan fungsi survival atau SDF (survival distribution function) dari X adalah fungsi

s(x) = 1 F(x) = P(X > x), (2.2)

F(x) adalah peluang seseorang meninggal paling tua pada usia x dan s(x)
dibaca peluang seseorang masih hidup di usia x. Sifat di ketakhinggaan dari
SDF adalah

Sifat ini diperoleh dari denisi SDF dan sifat di ketakhinggaan CDF,

Pada persamaan (2.1) dan (2.2) diasumsikan bahwa F(0) = 0 dan s(0) = 1.
Dengan demikian persamaan (2.1) dapat dipandang sebagai peluang meninggal
untuk bayiyang baru lahir sebab

Page 4
2.2 Peluang meninggal

Peluang meninggal seseorang berusia x

Nilai CDF F(t) menyatakan peluang bayi yang baru lahir akan meninggal
dalam waktu t tahun. Tetap yang menjadi perhatian kita bukan bayi yang
baru lahir tetap sesorang yang berusia x. Jika seseorang yang berusia x
disimbolkan dengan (x), maka peluang bahwa seseorang (x) akan
meninggal paling tua pada usia z adalah :

(2.3)

Pembuktian

Dapat diartikan peluang seseorang berusia x akan meninggal paling tua

pada usia z. Berdasarkan denisi peluang bersyarat :

(2.3)

Page 5
 Peluang meninggal dan peluang hidup bagi seseorang berusia x

Misal didenisikan variabel acak

yang menyatakan sisa hidup (x) atau seseorang berusia x. Selanjutnya,

peluang

Dapat diartikan peluang (x) akan meninggal dalam t tahun. Untuk bayi
yang baru lahir atau (0), sisa hidupnya adalah T(0) = X, sehingga

Dalam ilmu aktuaria, peluang hidup dan peluang meninggal untuk (x)
masing-masing dinotasikan dengan :

px : peluang (x) akan hidup sampai t tahun lagi

t

qx : peluang (x) akan meninggal dalam t tahun

t

Berdasarkan denisinya tpx dan tqx dapat ditulis sebagai :

Page 6
 Untuk t = 1, notasi 1qx dan 1px cukup ditulis:

qx : peluang (x) akan meninggal dalam setahun

px : peluang (x) hidup setahun lagi

Hubungan antara peluang hidup dan fungsi survival

(2.4)

Pembuktian.

Berdasarkan denisi tqx dan persamaan (2.3) diperoleh :

Akibatnya :

Khususnya, untuk kasus bayi yang baru lahir atau (0) :

(2.5)

Page 7
 Peluang (x) akan meninggal antara usia x + t dan x + t + u

(2.6)

Pembuktian.

Berdasarkan denisinya, untuk u = 1 cukup ditulis t|qx. Rumus t|uqx juga dapat
dinyatakan sebagai

| qx = tpx uq(x+t). (2.7)

t u

Pembuktian.

Karena tqx = 1 s(x + t)/s(x) dan tpx =s(x + t)/s(x) maka :

Daftar lambang

(x) : seseorang berusia x

X : variabel acak yang menyatakan usia meninggal

Page 8
T(x) : variabel acak yang menyatakan sisa hidup untuk (x)

s(x) : peluang hidup sampai usia x

px
t : peluang (x) akan hidup sampai t tahun lagi (masih hidup di usia x + t)

qx
t : peluang (x) akan meninggal dalam t tahun

| qx
t u : peluang (x) akan meninggal antara usia x + t dan x + t + u

2.3 Laju Kematian / Force of Mortality

Laju kematian (laju mortalitas) untuk (x) didenisikan sebagai

(2.9)

Laju kematian (x) juga dapat diartikan peluang (x) akan meninggal sesaat lagi
(dalam waktu yang sangat singkat). Pada analisis survival laju kematian disebut
juga fungsi laju kegagalan (failure) atau hazard rate function (HRF). Berikut akan
ditunjukkan bahwa hubungan antara laju kematian, PDF, CDF, dan fungsi survival
adalah

(2.10)

Pembuktian.

Dari denisi peluang bersyarat :

Page 9
Dari denisi turunan :

Tetapi, dari denisi fungsi densitas, FX(x) = fX(x). Akibatnya, laju kematian
menjadi :

Karena s(x) = 1 FX(x) :

maka fX(x) = s(x), sehingga :

Page 10
Hubungan antara peluang hidup dengan laju kematian adalah sebagai berikut :

Pembuktian.

Dari denisi laju kematian, maka didapat formula sebagai berikut :

atau

Dengan mengintegralkan kedua ruas dari x sampai (x + n) diperoleh formula :

Misal s = y x maka ds = dy. Jika y = x maka s = 0 dan jika y = x + n maka s =

n. Akibatnya :

(2.11)

Page 11
Untuk kasus bayi yang baru lahir, hubungan antara peluang hidup, fungsi
survival, dan laju kematian adalah berikut :

(2.12)

PDF dari variabel acak sisa hidup T(x)

(2.13)

Pembuktian.

Karena T(x) variabel acak kontinu maka PDF-nya :

2.4 Hubungan Tabel Mortalita dengan Fungsi Survival dan Laju

Kematian :

Page 12
Tabel mortalitas adalah tabulasi nilai fungsi-fungsi dasar qx, x, dx dan fungsi
tambahan lainnya yang didaftar berdasarkan usia x atau rentang usia (x, x + 1)
dengan x = 0, 1, 2, . . . , dan atau omega adalah batas usia maksimal yang
mungkin dicapai. Saat ini Indonesia sudah mempunyai tabel mortalitas sendiri
yaitu TMI 2011 yang merupakan perbaikan dari TMI 1999. TMI 2011 disusun
berdasarkan data mortalita dari 40 perusahaan di industri asuransi jiwa di
Indonesia yang meliputi 23.511.563satuan polis.

Misalkan terdapat 0 bayi yang baru lahir dan setiap bayi diindeks dengan j = 1,
2, . . . , 0. Denisikan variabel indikator Ij(x) = ( 1, jika bayi ke-j masih hidup di
usia x 0, jika bayi ke-j meninggal sebelum usia x. Ketika Ij(x) = 1, peluang bahwa
bayi tersebut masih hidup di usia x, sama saja dengan nilai fungsi survival s(x),
sehingga :

Jika Lx menyatakan jumlah bayi yang bertahan hidup sampai usia x, maka :

Selanjutnya, E[Lx] disimbolkan dengan x. Dengan kata lain x menyatakan

banyaknya bayi yang diharapkan masih hidup sampai usia x dan :

(2.14)

Page 13
Misalkan nDx menyatakan banyaknya bayi yang meninggal antara usia x dan
x+n, dan ndx menyatakan ekspektasinya. Maka :

Ketika n = 1, 1dx cukup ditulis dx. Penulisan tpx, tqx dan (x) sebagai fungsi dari
x:

Page 14
Daftar lambang :

K(x) : Bilangan bulat terbesar dari sisa hidup T(x)

Px : Peluang (x) hidup setahun lagi

qx : Peluang (x) meninggal dalam setahun

|qx
k : Peluang (x) meninggal antara usia x dan x + 1

(x) atau x : Peluang (x) akan meninggal dalam waktu yang sangat singkat

Lx : Jumlah bayi baru lahir yang masih hidup di usia x

x : Jumlah bayi baru lahir yang diharapkan masih hidup di usia x

n Dx : Banyaknya (x) yang meninggal dalam n tahun

n dx : Banyaknya (x) yang diharapkan meninggal dalam n tahun

dx : Banyaknya (x) yang diharapkan meninggal dalam setahun

: Usia tertua pada tabel mortalitas

2.5 Hukum Mortalita

Selain menggunakan tabel mortalita, perhitungan fungsi-fungsi aktuaria dapat

dilakukan dengan menggunakan pendekatan hukum mortalita.Terdapat beberapa
penemu hukum mortalita yang cukup terkenal seperti De Moivre, Gompertz,
Makeham, dan Weibull. Hukum mortalita digunakan untuk mendapatkan pola
distribusi yang paling cocok dengan sebaran kematian. Hukum mortalita yang
pertama :

1. Hukum De Moivre
Mempunyai distribusi uniform kontinu, maksimal usia adalah omega
() ,

Page 15
2. Generalized Hukum De Moivre
T(x) mempunyai distribusi Beta, maksimal usia adalah omega ()
Model distribusi ini juga mempunyai

3. Constant Force of Mortality

T( x) mempunyai distribusi eksponensial, x 0, Lalu ada parameter
yang menunjukan force of mortality > 0

4. Hukum Gompertz

Page 16
 Hanya mempertimbangkan kematian yang disebabkan oleh faktor
usia saja

5. Hukum Makeham
Makeham Force of mortality pada hukum mortalita Makeham
dinyatakan dengan

6. Hukum Weibull
Memiliki distribusi Weibull

Sumber :

Page 17
http://users.math.msu.edu/users/valdezea/stt455f14/STT455Weeks2to3-
F2014.pdf

http://www.math.uiuc.edu/~pjohnson/Pages%20from
%20MAF_Johnson_ExamMLC3L_StudySupplement_October2012.pdf

Bu Debrina

Page 18
Page 19