Model Pohon Keputusan Fuzzy untuk Penentuan Tingkat Resiko Produk Asuransi Jiwa.

Abstract

Reasuransi adalah perusahaan yang menerima pertanggungan ulang dari perusahaan asuransi atas sebagian atau keseluruhan resiko yang telah atau tidak dapat ditanggung lagi oleh perusahaan asuransi. Undang – Undang Republik Indonesia No. 2 tahun 1992 tentang usaha asuransi menyatakan bahwa perusahaan reasuransi adalah perusahaan yang memberikan jasa dalam pertanggungan ulang terhadap resiko yang dihadapi oleh perusahaan asuransi kerugian dan atau perusahaan asuransi jiwa. Perusahaan reasuransi bekerja dengan resiko yang lebih besar dari perusahaan asuransi. Selain menjamin nasabah dengan pertanggungan yang besar, perusahaan reasuransi juga menerima banyak produk – produk asuransi yang disediakan oleh perusahaan asuransi. Banyaknya produk yang ada di pasar asuransi membuat perusahaan reasuransi memiliki kecenderungan untuk mengalami kerugian. Hal ini disebabkan karna perusahaan reasuransi tidak terlalu memahami jenis produk yang ada. Untuk itulah perlu pertimbangan oleh perusahaan reasuransi dalam memutuskan menerima nasabah dengan produk yang dipilih. Tujuan penelitian ini adalah untuk membuat model penentuan tingkat resiko produk asuransi berdasarkan profil customer dari nasabah asuransi jiwa menggunakan pohon keputusan fuzzy. Data dibagi menjadi training set dan test set yang diambil dari dataset produk asuransi jiwa yang mana terdapat 3 atribut yaitu usia, tenor dan uang pertanggungan dan atribut kelas yang terdiri atas 3 kelas yaitu rendah, sedang dan tinggi. Data latih yang digunakan sebanyak 63 218 data latih diantaranya 32 346 data dari kelas rendah, 21 875 data dari kelas sedang dan 8 996 data dari kelas tinggi. Data tersebut kemudian diproses dengan menggunakan Fuzzy ID3 untuk mendapatkan aturan yang akan digunakan untuk klasifikasi resiko produk asuransi jiwa. Untuk data uji yang digunakan sebanyak 27 093 data. Penelitian ini menunjukkan bahwa algoritme fuzzy ID3 dapat digunakan untuk membangun model klasifikasi produk asuransi jiwa untuk menentukan tingkat resiko nasabah terhadap produk yang diambil. Aturan yang terbentuk dengan masing-masing nilai Fuzzines Control Threshold (FCT) berbeda. Semakin besar nilai FCT yang digunakan maka semakin banyak aturan yang terbentuk karena semakin banyak sub node yang diekspansi. Untuk data dari produk SMARTLIFE pada penelitian menghasilkan model klasifikasi terbaik dengan FCT 70% dengan aturan yang terbentuk sebanyak 4 aturan dengan akurasi sebesar 87%. Atribut yang penting dalam menentukan tingkat resiko produk nasabah untuk produk SMARTLIFE adalah usia dengan information gain tertinggi sehingga usia dijadikan root node pada pohon keputusan yang terbentuk. Seterusnya pohon keputusan diekspansi dengan atribut tenor dan uang pertanggungan