e-mail: memed.zainuddin@gmail.com,erna.zuni.astuti@dsn.dinus.ac.id
ABSTRAK
Data mining merupakan proses pencarian data secara otomatis pada
database berukuran besar yang menghasilkan informasi. Tujuan penelitian ini
adalah untuk membuat suatu sistem yang dapat membantu pihak asuransi dalam
dalam menentukan kelayakan pemberian premi asuransi dengan memanfaatkan
teknik data mining yang diimplementasikan menggunakan algoritma naive bayes.
Metode penelitian yang dilakukan dalam penelitian ini antara lain,
observasi, wawancara serta studi pustaka untuk mendapatkan data-data terkait
dengan nasabah asuransi di PT. BNI Semarang. Klasifikasi data nasabah
berdasarkan jenis kelamin, usia, status, pekerjaan, penghasilan, cara pembayaran
premi dan masa pembayaran premi. Metode analisis sistem yang digunakan
adalah metode waterfall dengan langkah-langkah, (1) Perencanaan, (2) Analisis,
(3) Perancangan, (4) Implementasi, (5) Pemeliharaan.
Pembuatan aplikasi ini menggunakan Bahasa Pemrograman Microsoft
Visual Basic 6.0 dengan Database MySql.
Data mining merupakan sebuah proses pencarian data secara otomatis pada
database berukuran besar yang menghasilkan informasi. Dengan data mining, nasabah
dapat dikategorikan ke dalam nasabah lancar, kurang lancar maupun nasabah macet
dengan lebih selektif dan dalam waktu yang lebih singkat dibanding menggunakan
cara pencarian manual. Hal tersebut tentunya akan sangat membantu pihak PT. BNI
dalam memberikan keputusan pemberian polis asuransi sehingga meminimalisasi
terjadinya premi macet
LANDASAN TEORI
a. Data Mining
Data mining adalah penambangan atau penemuan informasi baru dengan
mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
juga disebut sebagai serangkaian proses untuk menggali nilai tambah berupa
pengetahuan yang selama ini tidak diketahui secaramanual dari suatu kumpulan data.
Tahapan dari proses Knowledge Discovery in Database (KDD) adalah :
1. Selection
2. Pre-Processing / Cleaning.
3. Transformation
4. Data Mining
5 Interpretation / Evaluation.
b. Metode Klasifikasi
Klasifikasi adalah proses untuk menemukan model atau fungsi yang
menjelaskan atau membedakan konsep atau kelas data,dengan tujuan untuk dapat
memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. Dalam mencapai
tujuan tersebut,proses klasifikasi membentuk suatu model yang mampu membedakan
data kedalam kelas-kelas yang berbeda berdasarkan aturan atau fungsi tertentu. Model
itu sendiri bisa berupa aturan”jika-maka”,berupa pohon keputusan atau formula
matematis.
c. Algoritma Naive Bayes
Algoritma Naive Bayes merupakan salah satu algoritma yang
terdapat pada teknik klasifikasi. Naive Bayes merupakan pengklasifikasian
dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan
Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan
berdasarkan pengalaman dimasa sebelumnya sehingga dikenal sebagai
Teorema Bayes. Teorema tersebut dikombinasikan dengan Naive dimana
diasumsikan kondisi antar atribut saling bebas. Klasifikasi Naive Bayes
diasumsikan bahwa ada atau tidak ciri tertentu dari sebuah kelas tidak ada
hubungannya dengan ciri dari kelas lainnya.
Persamaan dari teorema Bayes adalah :
𝑃(𝑃|𝑃).
𝑃(𝑃)
𝑃 (𝑃|𝑃) =
𝑃(𝑃)
Dimana:
P(X) : Probabilitas X
Agar teorema Naive Bayes dapat dijelaskan maka diperlukan klasifikasi untuk
menentukan kelas yang sesuai dengan sampel data yang dianalisa. Sehingga diperlukan
rumus penyesuaian sebagai berikut:
C : merupakan kelas
𝑃(𝑃). 𝑃𝑃𝑃𝑃𝑃𝑃𝑃
𝑃𝑃𝑃𝑃𝑃𝑃ℎ 𝑃𝑃𝑃
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 =
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃
Dimana nilai evidence selalu tetap pada tiap-tiap kelas dalam sebuah sampel.
Sedangkan nilai dari posterior adalah perbandingan nilai antar posterior. Sehingga
rumus tersebut dapat dijabarkan sebagai berikut:
= 𝑃(𝑃). 𝑃(𝑃1|𝑃)𝑃(𝑃2|𝑃, 𝑃1)𝑃 (𝑃3|𝑃, 𝑃1, 𝑃2)𝑃(𝑃4 … 𝑃𝑃|𝑃, 𝑃1, 𝑃2, 𝑃3)
Input data
integer
Konversi data
integer
Solusi
Selesai
1. Tabel nasabah
Primary key : Id_nasabah
Fungsi : Untuk menyimpan data nasabah
1. Jenis kelamin
Jenis kelamin dikelompokkan dalam dua kategori [laki-laki|perempuan].
2. Usia
Usia nasabah dikelompokkan dalam tiga kategori [20-29| 30-40| >40]
3. Status marital
Status marital dikelompokkan dalam dua kategori [kawin|tidak kawin].
4. Pekerjaan
Pekerjaan dikelompokkan dalam tiga kategori [PNS|pegawai swasta|wiraswasta].
5. Penghasilan
Penghasilan dikelompokkan dalam tiga kategori [ <2 juta|2-4 juta|>4 juta].
6. Masa pembayaran premi
Masa pebayaran premi dikelompokkan dalam tiga kategori [5-10 tahun| 11-15 tahun| >
15 tahun]
7. Cara pembayaran
Cara pembayaran dikelompokkan dalam empat kategori [bulanan| triwulan|
semesteran| tahunan].
3. Dina Perempuan 20-29 Kawin Pegawai < 2 juta 5-10 th Triwulan Tidak
swasta lancar
4. Bambang Laki-laki 30-40 Kawin PNS > 4 juta 11-15 Semesteran Tidak
th lancar
5. Leni Perempuan 30-40 Kawin Wiraswasta < 2 juta 11-15 Tahunan Lancar
th
6. Nofan Laki-laki 30-40 Kawin Wiraswasta 2-4 juta 11-15 Triwulan Lancar
th
7. Irfan Laki-laki 30-40 Kawin Wiraswasta 2-4 juta 11-15 Triwulan Kurang
th lancar
8. Hadi Laki-laki 30-40 Kawin PNS >4 juta 11-15 Semesteran Kurang
th lancar
9. Yuni Perempuan 30-40 Kawin PNS > 4 juta 11-15 Tahunan Lancar
th
10. Sazkia Perempuan 30-40 Kawin Pegawai 2-4 juta 11-15 Tahunan Lancar
swasta th
11. Beni Laki-laki 30-40 Kawin PNS >4 juta 11-15 Semesteran ?????
th
= 0,125
= 0,049
1. Form Login
2. Menu utama
Form menu utama berfungsi untuk menjalankan semua lembar kerja yang
ada dalam aplikasi. Form tersebut dapat diakses setelah admin berhasil
melakukan login. Beberapa submenu yang terdapat dalam menu utama yaitu
submenu data, proses serta laporan dengan rincian sebagai berikut:
a. Submenu data
Submenu ini berisi data-data master yang digunakan dalam proses aplikasi. Data
master tersebut yaitu master data nasabah dan master data calon nasabah.
b. Submenu proses
Submenu proses merupakan submenu yang difungsikan untuk menjalankan form
proses klasifikasi calon nasabah.
c. Submenu laporan
Submenu laporan berisi laporan data nasabah dan laporan klasifikasi calon
nasabah.
Jika tombol “baru” di pilih maka user akan dihadapkan pada form input
data nasabah. Kemudian jika tombol “edit” dipilih maka user akan dihadapkan
pada form edit data nasabah dan jika user memilih tombol “hapus” maka akan
ditampilkan konfirmasi penghapusan data nasabah sebelum kemudian data
nasabah benar-benar dihapus.
Form input data nasabah digunakan oleh admin untuk melakukan input
data nasabah yang nantinya akan disimpan dalam tabel nasabah. Dalam
melakukan input data nasabah semua field yang ada dalam form tersebut harus
diisikan kecuali fiel ID nasabah yang akan terisi otomatis berdasarkan nomor urut
pengisian data nasabah.
Form diatas difungsikan untuk melihat daftar calon nasabah secara detail
yang meliputi nama nasabah, jenis kelamin, usia, status, pekerjaan, penghasilan,
masa asuransi serta cara pembayaran.
Jika tombol “baru” di pilih maka user akan dihadapkan pada form input
data nasabah. Kemudian jika tombol “edit” dipilih maka user akan dihadapkan
pada form edit data nasabah dan jika user memilih tombol “hapus” maka akan
ditampilkan konfirmasi penghapusan data nasabah sebelum kemudian data
nasabah benar-benar dihapus.
6. Input data calon nasabah
Form input data calon nasabah digunakan oleh admin untuk melakukan
input dan edit data calon nasabah. Dalam form tersebut dilengkapi dengan
fasilitas tombol simpan, batal serta tombol keluar.
Dalam form tersebut, admin hanya perlu memilih ID calon nasabah yang
akan diklasifikasikan kemudian pilih tombol proses, maka dengan sendirinya
sistem akan mengklasifikasikan calon nasabah tersebut.
9. Laporan data nasabah
Laporan data nasabah merupakan informasi detail nasabah asuransi pada PT.
BNI Semarang.
[1] Bustami. Penerapan Algoritma Naive Bayes untuk Mengklasifikasi Data Nasabah
Asuransi. Jurnal Penelitian Teknik Informatika. Tanpa tahun
[2] Dedy Ahmad Kurniawan, Danny Kriestanto. Penerapan Naive Bayes untuk Prediksi
Kelayakan Kredit. Jurnal Informatika dan Komputer (JIKO) – Vol. 1, No. 1. 2016
[3] Hendra Bashori. Implementasi Metode Naive Bayes Classifier untuk Penentuan
Pemberian Kredit. Artikel Skripsi Universitas Nusantara PGRI Kediri. 2015
[4] Sunjana. Klasifikasi Data Nasabah sebuah Asuransi Menggunakan Algoritma C4.5.
Seminar Nasional Aplikasi Teknologi Informasi. 2010
[5] KUHD pasal 246 tentang asuransi
[6] Undang-undang No.2 tahun 1992 Pasal 1 ayat 1 tentang usaha pengasuransian
[7] Kusrini dan Emha Taufik Luthfi, Algoritma Data Mining, Andi, Yogyakarta, 2009
[8] Santoso, Budi, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis, Graha
Ilmu, Yogyakarta, 2007
[9] Pramudiono, Pengantar Data Mining: Menambang Permata Pengetahuan di Gunung
Data, http:///www.ilmukomputer.org/wp-content/unploads/2006/08/iko-datamining.zip,
diakses 8 Juni 2016