bab vi kesimpulan

BAB VI
KESIMPULAN
6.1. Kesimpulan
Berdasarkan uraian pada bab-bab sebelumnya diperoleh beberapa kesimpulan sebagai berikut.
1. Penggabungan tabel mortalita dengan prosedur estimasi persekitaran maksimum (MLE) dapat digunakan untuk menggabungkan tabel yang mempunyai
beda klasifikasi ataupun tabel yang mempunyai nilai tidak lengkap (missing
values).
2. Penggabungan tabel mortalita untuk model yang memiliki lebih banyak parameter dibandingkan dengan banyaknya rank dari desain matrix (overparameterized model) menyebabkan estimasinya tidak dapat dicari. Penanggulangan
masalah tersebut dapat digunakan model ANOVA pada desain matrix X, yaitu dengan mengenakan kendala (constrain) pada parameter yang tidak dapat
diestimasi (non-estimable).
3. Hasil dari penggabungan tabel mortalita sering didapatkan beberapa model
yang layak digunakan untuk mengestimasi nilai parameter. Pemilihan model
terbaik didasarkan pada standar error dan plot model terhadap data asli (plot
fitting). Namun tidak tertutup kemungkinan bahwa di dalam penggabungan
tabel mortalita terdapat lebih dari satu model yang layak digunakan (terdapat
solusi alternatif).
4. Secara umum terdapat 3 metode yang dapat digunakan untuk menggabungkan
tabel mortalita. Metode-metode tersebut antara lain: metode penggabungan
semua data (full data combined method), metode interval usia (age interval
78
79
method), dan metode penggabungan data sepotong-sepotong (piecewise data
combined method). Pembahasan pada penulisan tesis ini dikhususkan untuk
metode penggabungan sepotong-sepotong, dimana dengan menggunakan metode tersebut seseorang dapat memilih banyaknya potongan data yang akan
digunakan untuk menggabungkan tabel mortalita. Pada bab sebelumnya telah diperlihatkan cara menggabungkan tabel mortalita dengan menggunakan
5 potong data (penggabungan per 5 data). Pemilihan usia yang akan digunakan dalam penggabungan pertama (penggabungan awal) sangatlah krusial.
Karena pemilihan usia ini akan menentukan model yang layak digunakan untuk penggabungan tabel mortalita secara keseluruhan (penggabungan untuk
data-data lainnya). Oleh karena itu, pemilihan usia yang akan digunakan di
dalam penggabungan pertama sebaiknya tidak dipilih usia-usia kecil (bagian
head) ataupun usia-usia akhir (bagian tail). Karena pada bagian awal (head)
dan akhir (tail) dari usia seringkali didapatkan hasil estimasi yang menyimpang. Langkah terakhir dalam metode penggabungan sepotong-sepotong adalah menempatkan semua hasil ekspektasi ke dalam satu tabel. Kemudian tabel yang memuat semua nilai ekspektasi inilah yang disebut sebagai tabel
gabungan (combined table).
6.2. Saran
Berikut diberikan saran yang dapat digunakan untuk penelitian lanjutan.
Terdapat cara alternatif yang dapat digunakan untuk pengestimasian parameter serta
pemodelan data-data di dalam penggabungan tabel mortalita, yaitu dapat digunakan pendekatan Bayes (Bayesian framework). Namun perlu diketahui bahwa di dalam pendekatan bayes melibatkan integral. Tentunya perhitungan integral menjadi
pemasalahan tersendiri. Tetapi permasalahan integral tersebut bisa diatasi dengan
pendekatan numerik. Pendekatan numerik yang dapat digunakan adalah metode
Markov Chain Monte Carlo (MCMC).