PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS DALAM KLASTERISASI PRODUK ASURANSI PERUSAHAAN NASIONAL
DOI:
https://doi.org/10.22441/fifo.2019.v11i2.010Keywords:
K-Means, K-Medoids, Klasterisasi, Produk Asuransi, Davies Bouldin IndexAbstract
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.
Downloads
References
A. Khairani and I. Irwansyah, “Pemanfaatan Big Data Untuk Percepatan Proses Underwriting Sebagai Strategi Komunikasi Marketing Terpadu Perusahaan Asuransi Jiwa,” J. Nomosleca, vol. 4, no. 2, pp. 785–793, 2018, doi: 10.26905/nomosleca.v4i2.2546.
A. Bastian et al., “Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka),” Jsi.Cs.Ui.Ac.Id, vol. 14, no. 1, pp. 26–32, 2018.
L. M. Pratiwi, Diana, and E. P. Agustin, “Penerapan K-Means Clustering Untuk Memprediksi Minat Nasabah Pada Pt . Asuransi Jiwa Bersama 1912 Bumiputera Prabumulih,” Univ. Bina Darma, pp. 1–16, 2016.
R. L. Novianto, and Goeirmanto, “Penerapan Data Mining menggunakan Algoritma K-Means Clustering untuk Menganalisa Bisnis Perusahaan Asuransi,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 6, no. 1, pp. 85–95, 2019, doi: 10.35957/jatisi.v6i1.150.
T. Taslim and F. Fajrizal, “Penerapan algorithma k-mean untuk clustering data obat pada puskesmas rumbai,” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 7, no. 2, pp. 108–114, 2016, doi: 10.31849/digitalzone.v7i2.602.
D. F. Pramesti, M. T. Furqon, and C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan / Lahan Berdasarkan Persebaran Titik Panas ( Hotspot ),” J-ptiik, vol. 1, no. 9, pp. 723–732, 2017.
N. L. Anggraeni, “Teknik Clustering Dengan Algoritma K-Medoids Untuk Menangani Strategi Promosi Di Politeknik TEDC Bandung,” Jurnal Teknologi Informasi dan Pendidikan, vol. 12 no. 2 pp. 1-7, 2019.
G. Abdurrahman, “Clustering Data Ujian Tengah Semester ( UTS ) Data Mining Menggunakan Algoritma K-Means,” J. Sist. dan Teknol. Inf. Indones., vol. 1, no. 2, pp. 71–79, 2016, doi: 10.32528/justindo.v1i2.566.
Y. Lase and E. Panggabean, “Implementasi Metode K-Means Clustering Dalam Sistem Pemilihan Jurusan Di SMK Swasta Harapan Baru,” J. Penelit. Tek. Inform., vol. 2, no. 2, pp. 43–47, 2019.
M. Nurul, Rohmawati Defiyanti, Sofi Jajuli, “Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,” Jitter 2015, vol. I, no. 2, pp. 62–68, 2015.
H. Zayuka, S. M. Nasution, and Y. Purwanto, “Perancangan Dan Analisis Clustering Data Menggunakan Metode K-Medoids Untuk Berita Berbahasa Inggris Design and Analysis of Data Clustering Using K-Medoids Method For English News,” e-Proceeding Eng. , vol. 4, no. 2, pp. 2182–2190, 2017.
R. D. Ramadhani and D. J. Ak, “Evaluasi K-Means dan K-Medoids pada Dataset Kecil,” Semin. Nas. Inform. dan Apl., no. September, pp. 20–24, 2017.
S. Nawrin, M. Rahatur, and S. Akhter, “Exploreing K-Means with Internal Validity Indexes for Data Clustering in Traffic Management System,” Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 3, pp. 264–272, 2017, doi: 10.14569/ijacsa.2017.080337.
M. Arif Wani and R. Riyaz, “A novel point density based validity index for clustering gene expression datasets,” Int. J. Data Min. Bioinform., vol. 17, no. 1, pp. 66–84, 2017, doi: 10.1504/IJDMB.2017.084027.
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
The copyright to this article is transferred to Universitas Mercu Buana (UMB) if and when the article is accepted for publication. The undersigned hereby transfers any and all rights in and to the paper including without limitation all copyrights to UMB. The undersigned hereby represents and warrants that the paper is original and that he/she is the author of the paper, except for material that is clearly identified as to its original source, with permission notices from the copyright owners where required. The undersigned represents that he/she has the power and authority to make and execute this assignment.
We declare that this paper has not been published in the same form elsewhere.
Furthermore, I/We hereby transfer the unlimited rights of publication of the above-mentioned paper as a whole to UMB. The copyright transfer covers the right to reproduce and distribute the article, including reprints, translations, photographic reproductions, microform, electronic form (offline, online) or any other reproductions of similar nature.
The corresponding author signs for and accepts responsibility for releasing this material on behalf of any and all co-authors. This agreement is to be signed by at least one of the authors who have obtained the assent of the co-author(s) where applicable. After submission of this agreement signed by the corresponding author, changes of authorship or in the order of the authors listed will not be accepted.
Retained Rights/Terms and Conditions
Although authors are permitted to re-use all or portions of the Work in other works, this does not include granting third-party requests for reprinting, republishing, or other types of re-use.
Our Articles are licensed under CC BY-NC
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
