Record Details

Rekomendasi Pengambilan Asuransi Kecelakaan bagi Driver menggunakan Improve K-Means dengan Inisialisasi Centroid berbasis Sum Square Error dan K-Nearest Neighbor

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Rekomendasi Pengambilan Asuransi Kecelakaan bagi Driver menggunakan Improve K-Means dengan Inisialisasi Centroid berbasis Sum Square Error dan K-Nearest Neighbor
 
Added Entry - Uncontrolled Name Hardiono, Maulana Syahril Ramadhan
Rahayudi, Bayu
Ratnawati, Dian Eka
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Kecerobohan dalam berkendara dapat mengakibatkan kecelakaan yang dapat merugikan diri pribadi dan orang lain. Untuk mengurangi kerugian yang disebabkan kecelakaan, seseorang dapat menggunakan jasa asuransi. Namun masih banyak orang Indonesia yang belum menggunakan jasa asuransi dikarenakan tingginya premi. Dari permasalahan tersebut dibutuhkan solusi untuk merekomendasikan seseorang dalam pengambilan asuransi dari tingkat pengalaman berkendara. Salah satu metode yang diusung dari penelitian ini yaitu improve k-means dengan inisialisai centroid berbasis sum squre error dan k-nearest neighbor. Data yang digunakan dalam penelitian yaitu data safe driver sejumlah 600 data, terdiri dari data bertipe numerik dan kategori. Proses rekomendasi diawali dengan clustering menggunakan k-means dengan inisialisasi centroid sum square error yang menghasilkan rata-rata dari 1000 iterasi yaitu 1660,64. Dari proses SSE didapatkan centroid optimum dan dilanjutkan dengan proses k-means dengan k-prototype. Penggunaan k-prototype disebabkan data terdiri dari data numerik dan kategorial. Setelah proses clustering, dilakukan perhitungan jarak data tes dengan centroid untuk menemukan cluster terdekat. Selanjutnya proses klasifikasi dilakukan pada cluster terdekat guna membuat proses klasifikasi menjadi lebih efisien. Proses klasifikasi menggunakan KNN yang bertujuan menentukan data masuk pada kategori rekomendasi dan tidak. Dari proses pengujian metode improve k-means menghasilkan nilai rata-rata tertinggi akurasi 72,83 %, sedangkan metode KNN menghasilkan nilai rata-rata akurasi 47,5 %. Hasil perhitungan tersebut menggunakan nilai k = 3 dan k-fold pada cross validation sebesar 5.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10189
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 11 (2021): November 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com