Claim Missing Document
Check
Articles

Found 2 Documents
Search

Metode Finite Mixture Partial Least Square Untuk Mengatasi Heterogenitas Pada Model Struktural Partial Least Square Karina Ayudhia Sasmito; Muhammad Yahya Ayyasy; Syafitri Hidayahningrum; Nursiti Azirah; Kameliani Kameliani; Afifah Farhanah Akadji
Journal of Innovative and Creativity Vol. 6 No. 1 (2026)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v6i1.7208

Abstract

Finite Mixture Partial Least Square (FIMIX-PLS) adalah metode untuk mengungkap heterogenitas yang tidak teramati di dalam model struktural. FIMIX-PLS dapat dipakai sebagai pendekatan yang komprehensif untuk mengetahui heterogenitas dalam pemodelan jalur PLS. Metode FIMIX-PLS mengidentifikasi heterogenitas data dengan memperkirakan probabilitas dari keanggotaan segmen untuk setiap observasi dan secara bersamaan memperkirakan koefisien jalur semua segmen. Pada studi kasus pengaruh predisposisi dan kebiasaan terhadap tekanan darah pasien hipertensi, sehingga menghasilkan anggota kelompok yang lebih homogen berdasarkan hubungan antar variabel laten. Pada penelitian ini ,jumlah segmen terbaik hasil dari FIMIX-PLS dipilih berdasarkan nilai kriteria dari AIC dan EN. Tujuan penelitian ini yaitu mendeteksi heterogenitas pada model struktural PLS menggunakan metode FIMIX-PLS pada studi kasus pengaruh predisposisi dan kebiasaan terhadap tekanan darah pasien hipertensi dan mengetahui jumlah segmentasi terbaik dari hasil FIMIX- PLS berdasarkan nilai kriteria dari AIC dan EN. Variabel predisposisi diukur oleh 6 indikator yaitu jenis kelamin, keterbatasan mobilitas, penyakit penyerta, psikolo- gis, suhu tubuh dan usia. Variabel kebiasaan pasien diukur oleh 5 indikator alkohol, diet oral, merokok dan olahraga. Variabel tekanan darah diukur oleh 2 variabel indikator distolik dan sistolik. Hasil penelitian menunjukkan kajian hetoreginitas dengan dengan FIMIX-PLS menghasilkan segmentasi yang menunjukkan adanya heterogenitas. Segmentasi terbaik pada K=5 dengan nilai AIC terendah yaitu sebesar 175,947 dengan nilai EN sebesar 0,610.
Analysis of Premium Reserves in Whole Life and Term Life Insurance Using the New Jersey Prospective Method Cabelita Husuna; Novianita Achmad; Agusyarif Rezka Nuha; Nisky Imansyah Yahya; Muhammad Yahya Ayyasy
Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 4 No 3 (2025): Parameter: Jurnal Matematika, Statistika dan Terapannya
Publisher : Jurusan Matematika FMIPA Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/parameterv4i3pp509-520

Abstract

Human life is constantly exposed to risks such as illness, accidents, and death, which create financial uncertainties for individuals and families. Life insurance serves as an essential financial instrument to mitigate these risks by transferring potential liabilities to insurance companies. This study analyzes premium reserves for whole life and term life insurance using the New Jersey Prospective Method, applying a 6% interest rate and the 2023 Indonesian Mortality Table (TMPI) as the basis of calculation. Actuarial commutation functions are employed to compute annuity values, single net premiums, annual net premiums, and reserve allocations across different ages. The results indicate that reserve values increase with age, reflecting higher mortality risks, with whole life insurance showing a sharper escalation compared to term life insurance. The New Jersey Prospective Method demonstrates accuracy and consistency in reserve estimation, particularly by setting zero reserves in the first policy year, thereby supporting initial liquidity. These findings highlight the method’s effectiveness in maintaining financial stability and readiness of insurance companies to meet future claims and long-term obligations to policyholders.