Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah

JURNAL MEDIA INFORMATIKA BUDIDARMA Volume 5, Nomor 3, Juli 2021, Page 1187-1194 ISSN 2614-5278 (media cetak), ISSN 2548-8368 (media online) Available Online at https://ejurnal.stmik-budidarma.ac.id/index.php/mib DOI 10.30865/mib.v5i3.3113 Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah Asuransi Juniar Hutagalung*, Fifin Sonata Prodi Sistem Informasi, STMIK Triguna Dharma, Medan, Indonesia Email: 1,*, Email Penulis Korespondensi: Abstrak−Asuransi merupakan mekanisme proteksi atau perlindungan dari resiko kerugian dengan cara mengalihkan resiko pada pihak lain. Adakalanya produk yang baru saja muncul menjadi produk yang lebih unggul dalam hal penjualan, sehingga peminatan suatu produk tidak mutlak diukur dari tahun produk tersebut dirilis. Faktor kendalanya diantaranya dari sisi pemasaran produk saat diluncurkan. Penawaran produk-produk dengan premi murah disertai benefit sesuai yang diinginkan nasabah. Namun perusahaan asuransi masih kesulitan dalam hal mengelompokkan produk-produk unggulan yang banyak diminati calon nasabah. Untuk itu diperlukan teknik mengelompokan produk-produk asuransi agar memudahkan perusahaan melihat produk-produk unggulan dan memilih produk yang sesuai dengan kebutuhan nasabahnya. Melakukan analisis dan mengolah data dengan metode K-Means dalam klasterisasi produk asuransi merupakan tujuan penelitian ini. Penerapan algoritma K-Means ini untuk membantu perhitungan nilai kemurniannya dari hasil clustering yang dilakukan sehingga klasterisasi produk asuransi sesuai dengan kebutuhan nasabahnya. Penerapan metode K-Means dengan teknik clustering untuk data mining menghasilkan informasi produk asuransi yang lebih diminati para calon nasabah. Hal ini sangat tepat dalam melakukan pengelompokan jenis data karena lebih mudah dalam implementasi dan penerapannya dapat memfilter dengan cepat dan tepat. Perhitungan dengan metode K-Means dengan sampel data 55 nasabah diperoleh 3 cluster yaitu cluster 1 untuk asuransi kebakaran mempunyai jumlah nasabah sebanyak 30 orang, cluster 2 untuk asuransi kecelakaan 24 orang dan cluster 3 untuk asuransi kesehatan 1 orang. Kata Kunci: Asuransi; Cluster; Datamining; K-Means; Premi Abstract−Insurance is a mechanism of protection or protection from the risk of loss by transferring the risk to another party. Sometimes a product that has just emerged becomes a product that is superior in terms of sales, so that interest in a product is not absolutely measured from the year the product was released. The constraint factors include the marketing of the product when it was launched. Offering products with low premiums along with the benefits that customers want. However, insurance companies still have difficulty in classifying superior products that are in great demand by prospective customers. For this reason, a technique for grouping insurance products is needed to make it easier for companies to see superior products and choose products that suit the needs of their customers. Analyzing and processing data using the K-Means method in the clustering of insurance products is the aim of this study. The application of the K-Means algorithm is to help calculate the purity value from the results of the clustering carried out so that the clustering of insurance products is in accordance with the needs of its customers. The application of the K-Means method with clustering techniques for data mining produces information on insurance products that are more attractive to potential customers. This is very appropriate in grouping data types because it is easier to implement and its application can filter quickly and precisely. Calculations using the K-Means method with a data sample of 55 customers obtained 3 clusters, namely cluster 1 for fire insurance which has 30 customers, cluster 2 for accident insurance 24 people and cluster 3 for health insurance 1 person. Keywords: Insurance; Cluster; Datamining; K-Means; Premi 1. PENDAHULUAN Asuransi adalah lembaga ekonomi dengan tujuan mengurangi resiko, menggabungkan unit-unit yang mempunyai resiko sama atau hampir sama dalam jumlah memadai supaya probabilitasnya dapat diramalkan dan disalurkan ke unit yang mengalami resiko[1]. Asuransi merupakan mekanisme proteksi atau perlindungan dari resiko kerugian dengan cara mengalihkan resiko pada pihak lain. Asuransi atau pertanggungan adalah perjanjian antara dua pihak atau lebih, dengan mana pihak penanggung mengkaitkan diri kepada nasabah, dengan menerima premi asuransi, untuk memberikan penggantian kepada nasabah karena kerugian, kerusakan, atau kehilangan keuntungan yang diharapkan, atau tanggung jawab hukum kepada pihak ketiga. Manfaat asuransi diantaranya rasa aman dan perlindungan, pendistribusian biaya dan manfaat yang lebih adil, polis asuransi dapat dijadikan sebagai jaminan untuk memperoleh kredit, berfungsi sebagai tabungan dan sumber pendapatan, alat penyebaran resiko, membantu meningkatkan kegiatan usaha[2]. Kendala-kendala yang dialami perusahaan asuransi nasional adalah kurangnya edukasi dan awareness masyarakat tentang pentingnya asuransi. Adanya ketidakpercayaan terhadap proses klaim dan lamanya proses terbitnya polis asuransi. Oleh karena itu pemanfaatan analisis big data dapat membantu perusahaan menjadi lebih efisien dan meningkatkan kepuasan nasabah terhadap layanan perusahaan asuransi. Kendala-kendala yang dialami perusahaan asuransi nasional adalah kurangnya edukasi dan awareness masyarakat tentang pentingnya asuransi. Adanya ketidakpercayaan terhadap proses klaim dan lamanya proses terbitnya polis asuransi. Oleh karena itu pemanfaatan analisis big data dapat membantu perusahaan menjadi lebih efisien dan meningkatkan kepuasan nasabah terhadap layanan perusahaan asuransi. Tujuan utama dari penelitian ini menggunakan metode clustering adalah mengelompokkan sejumlah data/objek ke dalam suatu cluster sehingga cluster tersebut akan berisi data yang sama dengan masing-masing Juniar Hutagalung, Copyright ©2021, MIB, Page 1187 Submitted: 02/07/2021; Accepted: 31/07/2021; Published: 31/07/2021 JURNAL MEDIA INFORMATIKA BUDIDARMA Volume 5, Nomor 3, Juli 2021, Page 1187-1194 ISSN 2614-5278 (media cetak), ISSN 2548-8368 (media online) Available Online at https://ejurnal.stmik-budidarma.ac.id/index.php/mib DOI 10.30865/mib.v5i3.3113 grup. Pada penelitian ini digunakan Algoritma Divisive Hierarchy untuk membentuk cluster. Pola yang diperoleh diharapkan dapat memberikan pengetahuan bagi perusahaan Media World Pekanbaru sebagai alat pendukung pengambilan kebijakan[9]. Obyek penelitian ini adalah Produk Asuransi Sinar Mas yaitu Asuransi Kebakaran, Asuransi Kecelakaan dan Asuransi Kesehatan. Untuk itu diperlukan teknik mengelompokan produk-produk asuransi agar memudahkan perusahaan melihat produk-produk unggulan dan memilih produk yang sesuai dengan kebutuhan nasabahnya. Melakukan analisis dan mengolah data dengan metode K-Means dalam klasterisasi produk asuransi merupakan tujuan penelitian ini. Penerapan algoritma K-Means ini u (...truncated)