Call Number | KA-979 (Softcopy KA-976) MAK KA-631 |
Collection Type | Karya Akhir (KA) |
Title | Pemanfaatan data mining untuk analisis faktor dan prediksi lama waktu pembayaran santunan: studi kasus PT Jasa raharja |
Author | Andri Nur Rahmadi; |
Publisher | Jakarta : Program Studi Magister Teknologi Informasi Fasilkom UI, 2017 |
Subject | Data mining |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
KA-979 (Softcopy KA-976) MAK KA-631 | Ind | TERSEDIA |
Kecelakaan lalu lintas adalah salah satu penyebab kematian yang cukup tinggi di Indonesia. Di tahun 2016 terdapat 126.761 korban kecelakaan di Indonesia, 22.212 di antaranya meninggal dunia. PT Jasa Raharja (Persero) adalah perusahaan BUMN asuransi sosial yang mempunyai tanggung jawab memberikan dana santunan kepada korban kecelakaan lalu lintas dan angkutan umum. Untuk menjaga kepercayaan masyarakat, Jasa Raharja selalu berusaha untuk meningkatkan kemudahan dan kecepatan dalam pembayaran santunan kepada korban kecelakaan, antara lain dengan integrasi database IRSMS Polri, sehingga memungkinkan Jasa Raharja untuk mencetak laporan polisi sendiri. Kondisi saat ini di Jasa Raharja, masih ditemui masyarakat yang menyampaikan keluhan tentang lambatnya penyelesaian santunan di Jasa Raharja. Kecepatan pembayaran santunan seharusnya sudah bisa diukur sejak terjadinya kecelakaan atau sejak laporan polisi dibuat. Apalagi dengan sudah terintegrasinya PT Jasa Raharja dengan mitra kerja. Namun, kurangnya penggalian pengetahuan dan informasi akan faktor-faktor yang memengaruhi serta kapan santunan dibayarkan membuat kinerja unit pelayanan menjadi terhambat. Tujuan dari penelitian ini adalah untuk memberikan prediksi terhadap lama waktu pembayaran santunan asuransi PT Jasa Raharja serta untuk menganalisis faktorfaktor apa saja yang memengaruhi lama waktu pembayaran santunan asuransi PT Jasa Raharja. Teknik data mining yang digunakan dalam penelitian ini adalah klasifikasi dengan menggunakan algoritme Decision Tree, Naïve Bayes, SVM, dan XGBoost, serta teknik asosiasi dengan menggunakan algoritme FP-Growth. Hasil dari penelitian ini menunjukkan bahwa algoritme XGBoost mempunyai tingkat akurasi yang paling tinggi, dan algoritme FP-Growth menghasilkan enam aturan asosiasi