Andreanto, Fedro (2025) Efektivitas k-means clustering dan algoritma genetika untuk analisis klasifikasi portofolio klaim asuransi kendaraan bermotor / FEDRO ANDREANTO</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Penelitian ini bertujuan untuk menganalisis efektivitas kombinasi metode K-means clustering dan algoritma genetika dalam klasifikasi portofolio klaim asuransi kendaraan bermotor. Permasalahan utama dalam industri asuransi kendaraan adalah ketidakakuratan klasifikasi risiko klaim yang berujung pada penetapan premi yang kurang kompetitif. Penelitian ini menggunakan dataset yang terdiri dari 5.000 data klaim kendaraan bermotor dengan variabel yang meliputi kapasitas silinder riwayat klaim klaim per tahun tenaga mesin rasio klaim senioritas nilai kendaraan dan tahun pembuatan. Metode yang digunakan adalah kombinasi K-means clustering untuk pengelompokan data dan algoritma genetika untuk optimasi variabel. Hasil penelitian menunjukkan peningkatan pada kualitas clustering dengan nilai silhouette yang meningkat dari 0 3754 menjadi 0 6688 setelah optimasi algoritma genetika. Data berhasil dikelompokkan menjadi dua klaster klaster 1 mewakili kelompok kendaraan bermotor rata-rata lebih rendah dengan kapasitas mesin lebih kecil (rata-rata 893 43 cc) dan riwayat klaim lebih sedikit (rata-rata 1 09 klaim) sedangkan klaster 2 mewakili kelompok rata-rata lebih tinggi dengan kapasitas mesin lebih besar (rata-rata 1.803 95 cc) dan riwayat klaim lebih banyak (rata-rata 2 87 klaim). Penelitian ini membuktikan bahwa kombinasi K-means clustering dan algoritma genetika efektif dalam klasifikasi portofolio klaim asuransi kendaraan bermotor sehingga dapat membantu perusahaan asuransi dalam menentukan premi yang lebih tepat dan mengelola risiko dengan lebih baik. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 26 May 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/394690 |
Actions (login required)
 |
View Item |