Analisis Prediksi Frekuensi Klaim Asuransi Kesehatan Menggunakan Algoritma C4.5 pada Data Simulasi Klaim

Abstract

Industri asuransi kesehatan dihadapkan pada tantangan dalam mengelola risiko klaim yang terus meningkat. Salah satu permasalahan utama adalah kemampuan perusahaan asuransi dalam memprediksi frekuensi klaim secara akurat guna menjaga keseimbangan antara pendapatan premi dan pembayaran klaim. Penelitian ini bertujuan untuk memprediksi frekuensi klaim asuransi kesehatan dengan menerapkan algoritma data mining C4.5. Data yang digunakan merupakan data simulasi klaim asuransi kesehatan yang merepresentasikan kondisi nyata, dengan atribut usia, jenis kelamin, jenis penyakit, lama rawat inap, dan biaya klaim. Frekuensi klaim diklasifikasikan ke dalam tiga kategori, yaitu rendah, sedang, dan tinggi. Proses penelitian meliputi tahap pengumpulan data, preprocessing, penentuan kategori frekuensi klaim, pembentukan pohon keputusan, serta pengujian model menggunakan perangkat lunak matlab. Hasil penelitian menunjukkan bahwa atribut lama rawat inap merupakan faktor paling dominan dalam menentukan frekuensi klaim. Model menghasilkan tingkat akurasi sebesar 95,00%, precision sebesar 94,74%, recall sebesar 95,00%, dan F1-score sebesar 94,87%. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu mengklasifikasikan frekuensi klaim dengan baik dan dapat dimanfaatkan sebagai pendukung pengambilan keputusan dalam pengelolaan risiko perusahaan asuransi kesehatan..

Kata kunci: Algoritma C4.5, Asuransi Kesehatan, Data Mining, Decision Tree, Frekuensi Klaim.