Analisis dan Pengembangan Sistem Pendukung Keputusan Underwriting Asuransi Lini Bisnis Marine Cargo berbasis Case Based Reasoning

Abstract

Asuransi umum berfungsi menanggung risiko kerugian dari sebuah objek pertanggungan yang diserahkan tertanggung dengan memperoleh imbalan berupa premi. Objek pertanggungan akan diklasifikasikan ke dalam satu dari sejumlah kategori risiko atau rate classes yang akan mempengaruhi jumlah premi. Penentuan kategori risiko atau nilai rate dari asuransi marine cargo di Indonesia belum memiliki aturan tertentu, sehingga proses penentuan nilai rate didasarkan pada kasus sebelumnya. Salah satu teknik dalam Kecerdasan Buatan yang memberikan solusi dengan memanfaatkan data historis adalah Case Based Reasoning (CBR). Penelitian ini menggunakan pendekatan CBR untuk membantu underwriter dalam menentukan nilai rate asuransi marine cargo. Belum ada peraturan atau pengetahuan mengenai kontribusi masing-masing fitur dalam penentuan nilai rate asuransi marine cargo. Oleh karena itu, penelitian ini menggunakan Neural Network (NN) guna mempelajari data historis untuk memprediksi nilai rate dan menghasilkan bobot masing-masing fitur. Bobot fitur ini menunjukkan kontribusi fitur dan akan diimplementasikan dalam fase retrieval CBR, teknik ini akan disebut NN + CBR. Tujuan utama dari penelitian ini adalah untuk menganalisis kinerja ketiga teknik, yaitu CBR, NN dan NN + CBR, dalam memprediksi nilai rate asuransi marine cargo dan untuk menemukan kontribusi masing-masing fitur. Setiap tipe komoditas memiliki karakteristik yang berbeda dan mendapatkan perlakuan yang berbeda dari proses awal pengangkutan barang hingga proses akhir. Oleh karena itu, tahap analisis ini dilakukan untuk masingmasing tipe komoditas, terdapat 7 tipe komoditas yang dianalisis pada penelitian ini. Evaluasi kinerja diukur menggunakan Mean Squared Error (MSE) dan persentase akurasi. Hasil penelitian menunjukkan bahwa CBR memberikan kinerja yang lebih baik dalam memprediksi nilai rate untuk 3 tipe komoditas yaitu Food Stuff & Live Animals, Plastic Materials, dan Billet Steel Roll Cable. Sedangkan, NN + CBR memberikan kinerja yang lebih baik untuk 2 tipe komoditas yaitu Raw Material – Stone Mining dan Transport Equipment. Untuk 2 tipe komoditas lainnya, yaitu Machinery & Spareparts dan Mineral Fuel Lubricants, CBR dan NN + CBR memberikan kinerja yang sama besar. Dalam penelitian ini juga ditemukan bahwa kontribusi tiap fitur antar tipe komoditas berbeda-beda. Hal ini disebabkan masing-masing tipe komoditas memiliki sifat yang berbeda sehingga urutan fitur yang perlu diperhatikan untuk penentuan nilai rate juga berbeda. Teknik dalam penelitian ini dapat digunakan untuk menemukan kontribusi tiap fitur untuk tipe komoditas lain dan membantu underwriter dalam penentuan nilai rate asuransi marine cargo.