Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Komputer dan Teknologi (JUKOMTEK)
Amin Siregar, Qowiyyul
Unknown Affiliation
Computer Science & IT Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PREDIKSI KLAIM ASURANSI MENGGUNAKAN ALGORITMA MACHINE LEARNING DENGAN PEMBANDING GENERALIZED LINEAR MODEL (GLM) Meliyani, Revi; Amin Siregar, Qowiyyul; Rahmah, Hikmah; Musito, M. Hamal; Liana Kacaribu, Tica
Jurnal Komputer dan Teknologi Vol 3 No 1 (2024): JUKOMTEK JANUARI 2024
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64626/jukomtek.v3i1.563

Abstract

Permasalahan prediksi klaim pada industri asuransi merupakan aspek penting dalam proses underwriting, perhitungan premi, dan manajemen risiko. Penelitian ini bertujuan untuk menganalisis performa algoritma machine learning dalam memprediksi klaim asuransi dan membandingkannya dengan pendekatan statistik klasik, yaitu Generalized Linear Model (GLM). Data klaim umumnya memiliki karakteristik yang kompleks seperti non-linearitas, imbalance class, dan variabel interaksi yang sulit ditangkap oleh model linear. Oleh karena itu, penelitian ini menerapkan beberapa algoritma machine learning, yaitu Random Forest, Gradient Boosting, dan XGBoos, untuk memodelkan probabilitas klaim. Evaluasi performa dilakukan menggunakan metrik AUC, F1-score, dan akurasi, disertai analisis feature importance. Hasil penelitian menunjukkan bahwa model machine learning memiliki performa prediksi yang lebih baik dibandingkan GLM, terutama pada masalah data tidak seimbang. XGBoost memberikan nilai AUC tertinggi sebesar 0,063194, sedangkan GLM cenderung memiliki performa lebih rendah pada pola data non-linear. Temuan ini menunjukkan bahwa machine learning dapat menjadi pendekatan alternatif yang efektif dalam mendukung proses pengambilan keputusan aktuaria dan pengembangan sistem pendukung keputusan di industri asuransi
PREDIKSI RISIKO GAGAL BAYAR PREMI MENGGUNAKAN ALGORITMA GRADIENT BOOSTING: STUDI TRAVEL INSURANCE PREDICTION Amin Siregar, Qowiyyul; Meliyani, Revi; Rahmah, Hikmah; Musito, M. Hamal; Claudia Secu, Maria Amelia
Jurnal Komputer dan Teknologi Vol 3 No 2 (2024): JUKOMTEK JULI 2024
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64626/jukomtek.v3i2.565

Abstract

Prediksi risiko gagal bayar premi merupakan salah satu aspek penting dalam pengelolaan risiko perusahaan asuransi. Ketepatan model prediksi memungkinkan perusahaan mengidentifikasi calon tertanggung yang berpotensi menunggak pembayaran premi sehingga langkah mitigasi dapat dilakukan sejak awal. Penelitian ini bertujuan menerapkan algoritma Gradient Boosting Classifier (GBC) dalam memprediksi risiko gagal bayar dengan menggunakan dataset publik Travel Insurance Prediction. Variabel target direlabel menjadi Default Risk sebagai representasi risiko gagal bayar. Proses penelitian meliputi pre-processing data, encoding variabel kategorik, penyeimbangan data dengan SMOTE, dan evaluasi model menggunakan metrik AUC, akurasi, precision-recall. Hasil penelitian menunjukkan bahwa Gradient Boosting menghasilkan performa terbaik dibandingkan Logistic Regression dan Random Forest, dengan nilai AUC tertinggi dan stabilitas prediksi yang baik pada data tidak seimbang. Penelitian ini memberikan kontribusi pada pengembangan model risiko berbasis machine learning di industri asuransi.
Co-Authors Claudia Secu, Maria Amelia Liana Kacaribu, Tica Meliyani, Revi Musito, M. Hamal Rahmah, Hikmah