Implementasi Metode Linear Regression dan Random Forest untuk Prediksi Nilai Klaim Asuransi Berdasarkan Karakteristik Polis pada PT Jasaraharja Putera

⭐ Febrio Syavera, Dhiondra (2026) Implementasi Metode Linear Regression dan Random Forest untuk Prediksi Nilai Klaim Asuransi Berdasarkan Karakteristik Polis pada PT Jasaraharja Putera. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (257kB)
	PDF BAB_II.pdf Download (423kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (600kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (230kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (220kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (570kB)
	Archive (ZIP) 00000071302_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh karakteristik polis terhadap nilai klaim asuransi serta membandingkan performa metode Linear Regression dan Random Forest dalam memprediksi nilai klaim asuransi pada PT Jasaraharja Putera. Pengelolaan risiko dan estimasi nilai klaim yang akurat menjadi penting untuk mendukung proses underwriting dan pengambilan keputusan berbasis data. Penelitian ini menggunakan pendekatan Data Mining dengan metodologi CRISP-DM yang meliputi tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan merupakan data historis polis dan klaim asuransi PT Jasaraharja Putera periode 2022­2023 sebanyak 8.741 data. Variabel independen yang digunakan meliputi TSI_OC, Premi_IDR, Jumlah_Claim, Durasi_Polis, COB_desc, dan Channel, sedangkan variabel dependen yang diprediksi adalah nilai klaim asuransi. Hasil penelitian menunjukkan bahwa metode Random Forest memiliki performa yang lebih baik dibandingkan Linear Regression dengan nilai MAE sebesar Rp374.860, RMSE sebesar Rp5.428.493, dan R² sebesar 0,9967. Sementara itu, Linear Regression menghasilkan nilai MAE sebesar Rp67.089.106, RMSE sebesar Rp75.375.449, dan R² sebesar 0,3662. Analisis Feature Importance menunjukkan bahwa variabel Jumlah_Claim merupakan faktor yang paling dominan dalam memengaruhi nilai klaim. Model terbaik berhasil diimplementasikan ke dalam aplikasi berbasis Streamlit untuk mendukung prediksi nilai klaim secara interaktif. Hasil penelitian menunjukkan bahwa Random Forest lebih efektif dalam memprediksi nilai klaim asuransi dibandingkan Linear Regression.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Febrio Syavera, Dhiondra (00000071302)
Contributors:	Desanti, Ririn Ikana
Keywords:	asuransi, data mining, machine learning, linear regression, random forest
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	23 Jul 2026 08:04
URI:	https://kc.umn.ac.id/id/eprint/47939

Actions (login required)

View Item