Perpustakaan Digital ITB

Asuransi kesehatan merupakan bentuk perlindungan yang menawarkan jaminan penggantian biaya medis bagi pemegang polisnya sesuai dengan kesepakatan yang tertera dalam perjanjian polis. Salah satu permasalahan yang dihadapi oleh perusahaan asuransi adalah penanganan klaim yang tidak biasa atau pencilan. Dalam memprediksi terjadinya pencilan dapat dilakukan dengan pembelajaran mesin. Terdapat tiga model klasifikasi pembelajaran mesin yang digunakan untuk mejawab permasalahan tesebut, yaitu Random Forest, Naïve Bayes, dan Support Vector Machines. Hasil prediksi yang diinginkan terkadang bukan hanya klasifikasi saja, namun beserta peluangnya. Oleh karena itu, pemodelan dilakukan dengan dua cara, yaitu model yang menghasilkan output kelas dan yang menghasilkan output peluang. Model dengan output peluang perlu dilakukan kalibrasi agar prediksi akurat. Metode kalibrasi yang digunakan adalah Platt Scaling, Isotonic Regression, dan Beta Calibration. Model kemudian diterapkan pada dua kelompok data, yaitu data rawat inap dan rawat jalan. Hasil simulasi menunjukkan bahwa model Random Forest memberikan kinerja yang lebih baik dibandingkan dengan model lainnya.