Pemodelan Laju Mortalitas Menggunakan Hybrid Lee-Carter–Machine Learning Model untuk Perhitungan Nilai Aktuaria Dana Pensiun (Studi Kasus: Dana Pensiun Pegawai Universitas Muhammadiyah Prof. Dr. Hamka)

Abstract

Perubahan laju mortalitas penduduk Indonesia dari waktu ke waktu menjadi aspek penting dalam perencanaan program jaminan sosial dan pengelolaan dana pensiun. Laju mortalitas tidak hanya berbeda menurut usia, tetapi juga menunjukkan tren yang dapat berubah sepanjang waktu. Penelitian ini bertujuan untuk memodelkan laju mortalitas penduduk Indonesia menggunakan kombinasi model Lee-Carter dengan algoritma machine learning Artificial Neural Network (ANN) dan Random Forest (RF), menentukan model terbaik, serta menerapkan hasil proyeksi mortalitas dalam perhitungan nilai aktuaria Dana Pensiun Pegawai Universitas Muhammadiyah Prof. Dr. Hamka. Data yang digunakan berupa central death rate penduduk Indonesia menurut jenis kelamin periode 1995–2023. Tahapan penelitian meliputi estimasi parameter Lee-Carter menggunakan Singular Value Decomposition (SVD), peramalan indeks waktu kt menggunakan ANN dan RF, rekonstruksi laju mortalitas, pembentukan tabel mortalitas, serta perhitungan manfaat pensiun, nilai sekarang manfaat pensiun (PVFB), iuran normal (NC), dan kewajiban aktuaria (AL) menggunakan metode Attained Age Normal. Hasil penelitian menunjukkan bahwa model Lee-Carter–ANN memberikan performa lebih baik dibandingkan Lee-Carter–RF. Pada data laki-laki diperoleh RMSE sebesar 0,816 dan MAPE sebesar 5,34%, sedangkan pada data perempuan diperoleh RMSE sebesar 2,493 dan MAPE sebesar 13,88%. Tabel mortalitas hasil proyeksi tahun 2025 selanjutnya berhasil diterapkan dalam perhitungan nilai aktuaria Dapen UHAMKA. Hasil menunjukkan bahwa besarnya manfaat pensiun, nilai sekarang manfaat pensiun, iuran normal, dan kewajiban aktuaria dipengaruhi oleh usia, masa kerja, gaji pokok, usia pensiun, serta karakteristik mortalitas peserta.