IMPLEMENTASI DATA MINING DENGAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS BISNIS PADA PERUSAHAAN ASURANSI

Djtechno : Jurnal Teknologi Informasi Vol. 5, No. 1, April 2024 E-ISSN: 2745-3758, P-ISSN : 2776-8546 DOI: 10.46576/djtechno IMPLEMENTASI DATA MINING DENGAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS BISNIS PADA PERUSAHAAN ASURANSI Ananda Aufa Alya Putri1, Sabrina Aulia Rahmah*2 1,2) Teknologi Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Dharmawangsa, Indonesia Article Info Article history: Received: 18 April 2024 Revised: 26 April 2024 Accepted: 30 April 2024 ABSTRACT Abstrak Penelitian ini bertujuan untuk menerapkan data mining menggunakan algoritma KMeans Clustering dalam menganalisa bisnis perusahaan asuransi. Data mining merupakan metode yang digunakan untuk menggali informasi penting dari sejumlah besar data, sementara algoritma K-Means Clustering adalah salah satu teknik pengelompokan yang efektif untuk menganalisis data numerik. Dalam penelitian ini, data dari perusahaan asuransi dianalisis untuk mengidentifikasi pola-pola penting yang dapat membantu dalam pengambilan keputusan bisnis. Hasil analisis menunjukkan bahwa penggunaan algoritma K-Means Clustering mampu mengelompokkan data pelanggan berdasarkan karakteristik tertentu, seperti umur, jenis kelamin, dan riwayat klaim, sehingga memberikan wawasan berharga bagi perusahaan dalam mengembangkan strategi pemasaran dan layanan yang lebih efektif. Dengan demikian, penelitian ini memberikan kontribusi signifikan dalam meningkatkan efisiensi operasional dan daya saing perusahaan asuransi melalui penerapan teknologi data mining. Kata Kunci: Data Mining, K-Means Clustering, Analisis Bisnis, Perusahaan Asuransi, Pengambilan Keputusan Abstract This research aims to apply data mining using K-Means Clustering algorithm in analyzing insurance company business. Data mining is a method used to extract important information from large amounts of data, while K-Means Clustering algorithm is one of the effective clustering techniques for analyzing numerical data. In this study, data from insurance companies was analyzed to identify important patterns that can help in making business decisions. The analysis results show that the use of the K-Means Clustering algorithm is able to cluster customer data based on certain characteristics, such as age, gender, and claims history, thus providing valuable insights for the company in developing more effective marketing and service strategies. Thus, this research makes a significant contribution in improving the operational efficiency and competitiveness of insurance companies through the application of data mining technology. Keywords: Data Mining, K-Means Clustering, Business Analysis, Insurance Company, Decision Making Djtechno: Jurnal Teknologi Informasi oleh Universitas Dharmawangsa Artikel ini bersifat open access yang didistribusikan di bawah syarat dan ketentuan dengan Lisensi Internasional Creative Commons Attribution NonCommerciaL ShareAlike 4.0 (CC-BY-NC-SA). © 2024 Segala bentuk plagiarisme dan penyalahgunaan hak kekayaan intelektual akibat diterbitkannya jurnal teknologi informasi ini sepenuhnya menjadi tanggung jawab penulis. 139 e-Issn: 2745-375 p-Issn: 2776-8546 Djtechno : Jurnal Teknologi Informasi Vol. 5, No. 1 April 2024 Corresponding Author: E-mail : 1. PENDAHULUAN Perkembangan teknologi informasi yang pesat telah mengubah banyak aspek dalam dunia bisnis, termasuk dalam industri asuransi. Saat ini, kebutuhan pengguna akan layanan asuransi semakin meningkat. Asuransi merupakan manajemen risiko di mana salah satu pihak mengalihkan risiko di masa depan kepada pihak lain, yaitu perusahaan asuransi. Asuransi memegang peranan penting karena diperlukan perlindungan di segala lini untuk mengurangi risiko. Kata “asuransi” berasal dari bahasa Inggris "insurance" yang berarti "kompensasi." Oleh karena itu, asuransi dapat dikatakan sebagai suatu kontrak antara tertanggung (nasabah) dan perusahaan asuransi (insurance company) yang mana perusahaan asuransi sepakat untuk memberikan ganti rugi kepada nasabah atas kerugian yang mungkin timbul di kemudian hari. Agar asuransi dapat mengcover risiko yang mungkin terjadi, tertanggung (nasabah) harus membayar premi kepada perusahaan asuransi dalam jangka waktu tertentu. Perusahaan asuransi kemudian memberikan perlindungan penuh kepada pelanggan. Asuransi kendaraan merupakan perlindungan terhadap kehilangan atau kerusakan dan memberikan ganti rugi terhadap kendaraan atau tertanggung. Pada dasarnya, asuransi tidak hanya mencakup kerusakan pada kendaraan itu sendiri, tetapi juga tanggung jawab hukum bagi orang lain yang terluka saat menggunakan kendaraan tersebut. Data mining adalah proses mengekstraksi informasi, pengetahuan, dan pola dari sejumlah besar data. Hal ini juga bertujuan untuk mendapatkan wawasan dan memperluas data dan informasi yang tersedia. Metode K-means clustering merupakan metode yang paling sederhana dan umum digunakan. Ia memiliki kemampuan untuk mengelompokkan data dalam jumlah yang relatif besar secara efisien. Caranya sendiri berlaku untuk data pemegang polis asuransi mobil. Variabel yang relevan dalam hal ini © 2024 Segala bentuk plagiarisme dan penyalahgunaan hak kekayaan intelektual akibat diterbitkannya jurnal teknologi informasi ini sepenuhnya menjadi tanggung jawab penulis. 140 e-Issn: 2745-375 p-Issn: 2776-8546 Djtechno : Jurnal Teknologi Informasi Vol. 5, No. 1 April 2024 adalah harga kendaraan, tarif kendaraan, harga atau premi asuransi, dan tahun kendaraan. Data mining, sebagai salah satu metode analisis data, telah menjadi alat penting dalam membantu perusahaan asuransi untuk mengolah data dalam jumlah besar dan menemukan pola-pola tersembunyi yang dapat digunakan untuk pengambilan keputusan strategis. Salah satu algoritma data mining yang sering digunakan adalah KMeans Clustering. K-Means Clustering adalah algoritma yang mengelompokkan data ke dalam beberapa cluster berdasarkan kesamaan karakteristik tertentu. Dalam konteks bisnis asuransi, algoritma ini dapat digunakan untuk berbagai tujuan, seperti segmentasi pelanggan, deteksi fraud, analisis risiko, dan optimasi portofolio produk. Dengan menerapkan K-Means Clustering, perusahaan asuransi dapat lebih memahami profil dan kebutuhan pelanggan, sehingga dapat menawarkan produk dan layanan yang lebih tepat sasaran. Penelitian mengenai implementasi K-Means Clustering dalam analisis bisnis pada perusahaan asuransi menunjukkan bahwa metode ini efektif dalam meningkatkan kinerja perusahaan. Misalnya, segmentasi pelanggan yang lebih tepat dapat meningkatkan efisiensi pemasaran dan mengurangi biaya operasional. Selain itu, deteksi dini terhadap potensi fraud dapat membantu perusahaan mengurangi kerugian finansial dan meningkatkan kepercayaan pelanggan. Implementasi K-Means Clustering juga berkontribusi pada pengembangan strategi bisnis yang lebih adaptif dan responsif terhadap perubahan pasar. Analisis data yang akurat memungkinkan perusahaan asuransi untuk melakukan prediksi yang lebih baik mengenai tren pasar dan perilaku pelang (...truncated)