Jurnal Ilmiah FIFO
Vol 11, No 2 (2019)

PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS DALAM KLASTERISASI PRODUK ASURANSI PERUSAHAAN NASIONAL

Frenda Farahdinna (Universitas Budi Luhur)
Irfan Nurdiansyah (Universitas Budi Luhur)
Apriati Suryani (Universitas Budi Luhur)
Arief Wibowo (Universitas Budi Luhur)



Article Info

Publish Date
01 Nov 2019

Abstract

Asuransi mempunyai peran penting dalam rangka mengalihkan resiko, baik resiko bisnis maupun non bisnis. Asuransi merupakan suatu lembaga ekonomi yang bertujuan mengurangi resiko, dengan menggabungkan sejumlah unit-unit yang mempunyai resiko sama atau hampir sama dalam jumlah memadai, agar probabilitas dapat disalurkan kepada unit yang mengalami resiko. Dalam asuransi terdapat istilah premi, dimana premi tersebut berada pada hak dari pemilik asuransi dalam pembayaran premi tersebut. Perusahaan asuransi nasional yang menjadi obyek penelitian ini menyediakan berbagai produk asuransi yang memiliki beberapa variabel seperti nilai premi, jumlah nasabah dan tahun rilis dari produk. Diperlukan suatu teknik yang dapat mengelompokan produk-produk asuransi dengan tujuan mempermudah perusahaan dalam melihat produk-produk unggulan dan memilih produk yang sesuai dengan kebutuhan nasabah. Tujuan penelitian ini yaitu melakukan analisis dan pengolahan data dengan membandingkan metode K-Means dan K-Medoids dalam klasterisasi produk asuransi perusahaan nasional. Berdasarkan penelitian yang telah dilakukan, jika dibandingkan metode K-Means dengan K-Medoids maka metode K-Means lebih optimal dilihat dari nilai Davies Boldin Index (DBI) terendah 0,018 dengan k=5, tahun rilis 2004, premi Rp. 7.500.000 dan jumlah nasabah sebanyak 392 nasabah.

Copyrights © 2019






Journal Info

Abbrev

fifio

Publisher

Subject

Computer Science & IT

Description

Jurnal Ilmiah FIFO UMB diterbitkan oleh program studi Sistem Informasi Fakultas Ilmu KOmputer merupakan hasil penelitian, penelitian konseptual dan ilmu terapan, yang mencakup dan berfokus pada bidang Rekayasa Perangkat Lunak, E-Business, E-Government, Mobile Computing, Data mining, data warehouse, ...