METODE KLASIFIKASI DATAMINING DALAM MELAKUKAN PREDIKSI TERHADAP CALON NASABAH ASURANSI

  • Reza Avrizal Universitas Indraprasta PGRI
  • Abdurahman Abdurahman Universitas Indraprasta PGRI
  • Heru Sulistiono Universitas Indraprasta PGRI

Abstract

Semakin berkembangnya bisnis asuransi di Indonesia dan semakin tingginya kesadaran masyarakat untuk mengasuransikan dan memberikan perlindungan terhadap berbagai aspek kehidupannya. Perusahaan PT.XYZ adalah salah satu perusahaan jasa asuransi yang nasabahnya merupakan nasabah bank, sehingga peningkatan kualitas pelayanan kepada para nasabah sangat diperhatikan. Kendala yang dihadapi saat ini yaitu perusahaan PT.XYZ mengalami kesulitan dalam menentukan nasabah potensial. Apabila perusahaan bisa mengidentifikasi tingkatan-tingkatan untuk menentukan nilai potensi nasabah maka data nasabah dapat di klasifikasi. Terdapat tiga parameter uji dari data testing yang digunakan sebagai evaluasi system yaitu accuracy, precision dan recall. Algoritma ID3 memiliki accuracy 50%, precision 63.64% dan recall 46.67%, sedangkan algoritma C4.5 memiliki accuracy 63.33%, precision 70.59% dan recall 80% yang artinya jika melihat 3 parameter tersebut maka algoritma C4.5 lebih baik dibandingkan algoritma ID3

References

Dwiasnati, S. 2018. Naive Bayes Optimization Based On Particle Swarm Optimization to Predict the Decision of Insurance Customer Candidate
Kotler 2009, 245 Batubara, Muhamad Hendri. Strategi Marketing Public Relation (MPR) Berupa Promosi Dan Sponsorsip Untuk Mempengaruhi Konsumen Dalam Keputusan Pembelian (Studi Produk Perawatan Bayi Johnsons Baby). Tes., Universitas Indonesia, 2010
Kusrini 2009. Algoritma Data Mining. Jakarta: Andi
Kusrini, & Luthfi, E. T. (2009). Algoritma Data Mining. Yogyakarta: Andi Publishing.
Larose, D. T. (2005). Discovering Knowledge in Data. New Jersey: John Willey & Sons, Inc. ISBN 0-471-66657-2
Larose, T.D., 2005. Discovering Knowledge in Data an Introduction to Data Mining, New Jersey: John Wiley & Sons, Inc
Published
2020-12-25