OPTIMASI HARGA PREMI ASURANSI KESEHATAN PERUSAHAAN PADA PT. BNI LIFE INSURANCE DENGAN METODE EXTREME GRADIENT BOOSTING TREE

Christian (2024) OPTIMASI HARGA PREMI ASURANSI KESEHATAN PERUSAHAAN PADA PT. BNI LIFE INSURANCE DENGAN METODE EXTREME GRADIENT BOOSTING TREE. Other thesis, UPN "Veteran" Yogyakarta.

	Text 1 Fulltext Tugas Akhir_123200134 _Christian.pdf Restricted to Repository staff only Download (2MB)
	Text 2 Cover Tugas Akhir_123200134 _Christian.pdf Download (254kB)
	Text 4 Abstrak Tugas Akhir_123200134 _Christian.pdf Download (165kB)
	Text 3 Lembar Pengesahan Tugas Akhir_123200134 _Christian.pdf Download (421kB)
	Text 5 Daftar Isi Tugas Akhir_123200134 _Christian.pdf Download (198kB)
	Text 6 Daftar Pustaka Tugas Akhir_123200134 _Christian.pdf Download (119kB)

Abstract

Asuransi kesehatan merupakan suatu perjanjian antara perusahaan asuransi sebagai
penanggung dan pemegang polis sebagai tertanggung di mana tertanggung membayar sejumlah
premi untuk mendapatkan pertanggungan atas risiko yang diderita oleh pihak tertanggung,
dalam hal ini berupa biaya pengobatan dan perawatan medis. PT. BNI Life Insurance
merupakan salah satu perusahaan yang bergerak dalam bidang asuransi, salah satunya adalah
asuransi kesehatan, yang berusaha untuk memberikan pelayanan terbaik sesuai dengan
keinginan para stakeholder. Untuk memberikan pelayanan terbaik, maka perusahaan perlu
memperhatikan beberapa faktor penting, salah satunya adalah harga. Harga merupakan salah
satu faktor penting yang dapat memberikan dampak yang besar bagi keinginan dari calon
pembeli. Oleh sebab itu untuk memberikan pelayanan terbaik, pemberian harga yang optimal
merupakan hal yang sangat penting dalam pengambilan keputusan Perusahaan seperti PT BNI
Life Insurance.
Optimasi harga premi asuransi kesehatan merupakan aspek krusial dalam strategi bisnis PT.
BNI Life Insurance, mengingat persaingan yang ketat di industri asuransi. Penelitian ini
bertujuan untuk menerapkan metode Extreme Gradient Boosting Tree (XGBoost) dalam
menentukan harga premi yang optimal berdasarkan data valuasi asuransi kesehatan tahun 2023.
XGBoost dipilih karena kemampuannya dalam menangani dataset besar dan kompleks, serta
memberikan akurasi tinggi dalam prediksi.
Proses penelitian dimulai dengan pengumpulan data yang mencakup variabel-variabel penting
seperti usia, jenis kelamin, riwayat kesehatan, dan jenis asuransi. Data tersebut kemudian
diproses dan dibagi menjadi data latih dan data uji. Model XGBoost dibangun dengan
melakukan tuning hyperparameter untuk memaksimalkan akurasi. Hasil evaluasi model
menunjukkan nilai Root Mean Square Error (RMSE) sebesar 1,854,215.54, yang menunjukkan
bahwa model ini mampu memprediksi harga premi dengan tingkat kesalahan yang relatif
rendah. Dalam analisis performa, model XGBoost berhasil menghasilkan estimasi harga premi
yang lebih akurat dibandingkan dengan metode tradisional, dengan keuntungan yang
diperkirakan mencapai 654,99 juta rupiah dan claim ratio yang stabil di angka 80%. Penelitian
ini juga memberikan rekomendasi untuk penelitian selanjutnya, termasuk penambahan variabel
harga premi asli dan biaya terkait lainnya untuk meningkatkan akurasi model.
Berdasarkan hasil yang diperoleh, dapat disimpulkan bahwa penerapan metode XGBoost
efektif dalam optimasi harga premi asuransi kesehatan, memberikan akurasi yang lebih baik
dan mendukung pengambilan keputusan yang lebih strategis di PT. BNI Life Insurance.
Penelitian ini diharapkan dapat menjadi referensi bagi perusahaan asuransi lainnya dalam
mengembangkan strategi pricing yang lebih kompetitif dan berkelanjutan.
Kata Kunci : Optimasi, Optimasi Harga, Asuransi Kesehatan Extreme Gradient Boosting
Tree, BNI Life

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Optimasi, Optimasi Harga, Asuransi Kesehatan Extreme Gradient Boosting Tree, BNI Life.
Subjects:	H Social Sciences > H Social Sciences (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	25 Oct 2024 02:54
Last Modified:	25 Oct 2024 02:54
URI:	http://eprints.upnyk.ac.id/id/eprint/41490

Actions (login required)

View Item