Application of C4.5 Algorithm for Late Payment Classification of Insurance Premiums

Jefry Antonius Karlia; Wawan Nurmansyah

doi:10.31001/tekinfo.v9i2.1090

Abstract

The problem that often arises in insurance companies is the number of customers who do not smoothly pay premiums. The procedure that applies to the insurance during the grace period is 30 days. The insured customer must follow the premium payment procedure, if the customer does not pay the premium, the insurance policy will be canceled, this is part of the company's loss. An insurance company has a lot of data and this data can be processed to produce information on how to find out potential customer delays from a pattern formed using the C4.5 method. This research was conducted by applying the C4.5 algorithm using insurance customer data. The results of this study are a classification system for late payment of insurance premiums that can classify insurance customer premium payment status as a consideration for accepting insurance customers. The system test results show that the system can classify the status of insurance customer premium payments with a classification accuracy of 88%.

Keywords: Algorithm C 4.5, Insurance, Classification, Premium

Keywords: Algorithm C 4.5, Insurance, Classification, Premium

References

Ainurrochmah, A., Hayati, M. N. and Satriya, A. M. A. (2019) ‘Perbandingan Klasifikasi Analisis Diskriminan Fisher dan Metode Naïve Bayes’, Jurnal Aplikasi Statistika & Komputasi Statistik, 11(2), pp. 37–48.
Amin, R. K., Indwiarti and Sibaroni, Y. (2015) ‘Implementasi Klasifikasi Decision Tree dengan Algoritma C4.5 dalam Pengambilan Keputusan Permohonan Kredit oleh Debitur (Studi Kasus: Bank Pasar Daerah Istimewa Yogyakarta)’, e-Proceeding of Engineering, 2(1), pp. 1768–1778.
Andriani, A. (2012) ‘Penerapan Algoritma C4.5 Pada Program Klasifikasi Mahasiswa Dropout’, in Seminar Nasional Matematika, pp. 139–147.
Ardyanti, H., Goejantoro, R. and Amijaya, F. D. T. (2020) ‘Perbandingan Metode Klasifikasi Naïve Bayes Dan Jaringan Saraf Tiruan (Studi Kasus: Pt Asuransi Jiwa Bersama Bumiputera Tahun 2018)’, Jurnal EKSPONENSIAL, 11(2), pp. 145–152.
Avegad, J. and Wibowo, A. (2019) ‘Data Mining Klasifikasi Untuk Memprediksi Status Keberlanjutan Polis Asuransi Kesehatan Dengan Algoritme Naïve Bayes’, in Seminar Nasional Teknologi Informasi dan Komunikasi STI&K (SeNTIK). Jakarta: STMIK Jakarta STI&K, pp. 219–223.
Betrisandi (2017) ‘Klasifikasi Nasabah Asuransi Jiwa Menggunakan Algoritma Naive Bayes Berbasis Backward Elimination’, ILKOM Jurnal Ilmiah, 9(1), pp. 96–101.
Bustami (2013) ‘Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi’, TECHSI: Jurnal Penelitian Teknik Informatika, 6(2), pp. 127–146.
Grassella, Purnamasari, I. and Amijaya, F. D. T. (2019) ‘Klasifikasi Status Pembayaran Premi Menggunakan Algoritma Neighbor Weighted K-Nearest Neighbor (NWKNN) (Studi Kasus: PT. Bumiputera Kota Samarinda)’, VARIANCE: Journal of Statistics and Its Applications, 1(2), pp. 56–63.
Hanun, N. L. and Zailani, A. U. (2020) ‘Penerapan Algoritma Klasifikasi Random Forest untuk Penentuan Kelayakan Pemberian Kredit di Koperasi Mitra Sejahtera’, Journal Of Technology Information, 6(1), pp. 7–14.
Hariono, M. F. et al. (2014) ‘Developing Review Websites Using Feature Driven Development ( FDD )’, ULTIMATICS, 6(2), pp. 100–104.
Kamagi, D. H. and Hansun, S. (2014) ‘Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa’, Jurnal ULTIMATICS, 6(1), pp. 15–20.
Kurniawan, D. A. and Kriestanto, D. (2016) ‘Penerapan Naïve Bayes Untuk Prediksi Kelayakan Kredit’, JIKO (Jurnal Informatika dan Komputer), 1(1), pp. 19–23.
Kusumawati, A., Wibisono, Y. Y. and Aritonang, K. (2014) ‘Perbaikan Proses Bisnis untuk Mengurangi Piutang di PT. Asuransi Astra Buana Cabang Bandung’, Jurnal Rekayasa Sistem Industri, 3(1), pp. 20–26.
Mardi, Y. (2017) ‘Data Mining : Klasifikasi Menggunakan Algoritma C4.5’, Jurnal Edik Informatika, 2(2), pp. 213–219.
Novilla, D. A., Goejantoro, R. and Amijaya, F. D. T. (2019) ‘Klasifikasi Data Nasabah Asuransi Dengan Menggunakan Metode Naive Bayes ( Studi Kasus : PT . Prudential Life Jalan Mt . Haryono Samarinda ) Classification of Insurance Data Customers Using Naive Bayes Method ( Case Study : PT . Prudential Life MT . Haryon’, Jurnal EKSPONENSIAL, 10(2), pp. 95–102.
Palmer, S. R. and Felsing, J. M. (2002) A Practical Guide to Feature-Driven Development the Coad Series. Upper Saddle River, New Jersey: Prentice Hall PTR.
Putranto, R. A., Wuryandari, T. and Sudarno (2015) ‘Perbandingan Analisis Klasifikasi antara Decision Tree dan Support Vector Machine Multiclass untuk Penentuan Jurusan pada Siswa SMA’, JURNAL GAUSSIAN, 4(4), pp. 1007–1016.
Santoso, T. B. and Sekardiana, D. (2019) ‘Penerapan Algoritma C4.5 untuk Penentuan Kelayakan Pemberian Kredit (Studi Kasus : Koperia - Koperasi Warga Komplek Gandaria)’, Jurnal Algoritma, Logika dan Komputasi, 2(1), pp. 130–137.
Setiawan, R. (2020) ‘Analisis Kelayakan Pemberian Kredit Nasabah Koperasi Menggunakan Algoritma C4.5’, Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi, 5(2), pp. 74–78.
Sucipto, A. (2015) ‘Prediksi Kredit Macet melalui Perilaku Nasabah pada Koperasi Simpan Pinjam dengan Menggunakan Metode Algoritma Klasifikasi C4.5’, Jurnal DISPROTEK, 6(1), pp. 75–87.