Analisis Perbandingan Kinerja Metode Klasifikasi Dalam Data Mining

Abstract

Salah satu masalah yang menghambat perlindungan seseorang dari musibah sakit atau meninggal adalah terhentinya manfaat asuransi seseorang akibat lalai atau sengaja berhenti dari suatu program asuransi. Untuk mengetahui sebaran dan karakteristik nasabah yang putus di tengah jalan perlu dilakukan. pengelompokan/klasifikasi sesuai dengan karakteristiknya. Model klasifikasi dibangun berdasarkan atribut yang sudah ada dan status polis nasabah yang sudah bergabung sebelumnya. Tujuan dari penelitian ini adalah melakukan prediksi terhadap calon nasabah perusahaan asuransi X dengan menggunakan metode klasifikasi CART dan menerapkan bagging untuk memperbaiki performansi hasil prediksi. Metode lain yang diteliti adalah metode Random Forest dan Boosting. Adapun atribut yang dipakai adalah jenis kelamin, phone, kelas pekerjaan, status kawin, income, dan metode pembayaran. Metode dan atribut tersebut
digunakan untuk memprediksi kelas status polis data nasabah asuransi. Berdasarkan hasil analisis pengujian didapatkan bahwa metode yang memberikan tingkat akurasi prediksi paling baik adalah metode Bagging CART. Dimana metode tersebut bisa melakukan prediksi dengan tingkat kebenaran/akurasi mencapai 90%, sementara metode yang lain hanya memiliki tingkat akurasi kurang dari 85%.