Computer File

Aplikasi metode random forests dalam memprediksi tingkat mortalita asuransi grup cacat jangka panjang

Pada skripsi ini akan dibahas mengenai prediksi Tingkat Mortalita dengan data Asuransi Grup
Cacat Jangka Panjang milik Society of Actuaries (SOA) tahun 2017 menggunakan model aplikasi
Random Forests. Metodologi yang dilakukan pada skripsi ini adalah membentuk model Random
Forests lalu akan dibandingkan hasil tersebut dengan model Decision Tree pada laporan Asuransi
Grup Cacat Jangka Panjang tahun 2017. Model Random Forests dibangun menggunakan program
Machine Learning R, yaitu dengan membuat 500 himpunan bagian data dari data training
(yang disebut data bootstrapped), sehingga masing-masing himpunan bagian dapat dibentuk
Decision Tree-nya. Lalu dengan data out-of-bag, akan dibentuk plot Random Forests untuk
melihat pergerakan galat terhadap masing-masing tree. Kemudian data test akan dimasukkan ke
dalam 500 tree, sehingga menghasilkan nilai respon. Nilai prediksi tingkat mortalita merupakan
rata-rata dari seluruh respon yang dihasilkan. Berdasarkan model yang diperoleh kemudian akan
dihitung juga tingkat kecocokan model menggunakan Mean Squared Errors, variable importance,
dan pengaruh parameter terhadap model. Berdasarkan hasil prediksi dan nilai Mean Squared
Errors yang diperoleh, model Random Forests tidak memberikan hasil yang lebih baik untuk
data Grup Cacat Jangka Panjang tahun 2017. Hal ini disebabkan karena data Grup Cacat
Jangka Panjang tahun 2017 memiliki sangat banyak entri dengan jumlah prediktor yang tidak
terlalu banyak.
Kata-kata kunci: Tingkat Mortalita, Asuransi Grup Cacat Jangka Panjang, Decision Tree,
Random Forests, Variable Importance.

Ketersediaan

Informasi Detail

Judul Seri

No. Panggil

MAT MAN a/20

Penerbit

Bandung : Program Studi Matematika Fakultas Teknologi Informasi dan Sains - UNPAR., 2020

Deskripsi Fisik

xxii, 40 p. : il. ; 30 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

-

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

1682 - FTIS

Pernyataan Tanggungjawab

Lucas Mangaratua

Versi lain/terkait

Lampiran Berkas

Komentar