Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal TeknoIS : Jurnal Ilmiah Teknologi Informasi dan Sains
Hudori Hudori
STMIK Eresha
Computer Science & IT Decision Sciences, Operations Research & Management Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Resampling Neural Network Untuk Penanganan Class Imbalance Pada Prediksi Klaim Asuransi Hudori Hudori
Teknois : Jurnal Ilmiah Teknologi Informasi dan Sains Vol 10, No 1 (2020): Mei
Publisher : Sekolah Tinggi Ilmu Komputer Binaniaga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jbs.v10i1.78

Abstract

Algoritma Neural Network memiliki kelebihan akan tingkat akurasi perhitungan yang lebih baik dari algoritma lain karena proses perhitungan dilakukan berulang-ulang sehingga membutuhkan waktu yang lebih lama dalam memproses atau men-training data. Namun algoritma ini juga sangat sensitive terhadap dataset yang memiliki class yang sangat tidak seimbang. Penanganan ketidakseimbangan kelas (class imbalance) yang terjadi pada dataset dapat diatasi dengan teknik resampling. Tulisan ini membandingkan tiga metode resampling untuk menangani ketidak-seimbangan class yang diterapkan pada algoritma Neural Network sebagai salah satu algoritma data mining untuk prediksi Claim Kecelakaan Diri Penumpang Berdasarkan Karakteristik Kendaraan Tertanggung. Metode ini dibangun dan diuji menggunakan data transaksi yang real dari sebuah perusahaan asuransi terkemuka di dunia yang meminta sebuah perusahaan crowdsourching untuk menyelenggarakan kompetisi pembangunan model prediksi Claim Kecelakaan Diri Penumpang Berdasarkan Karakteristik Kendaraan Tertanggung. Pada umumnya data transaksi, data ini juga masih memiliki sifat berdimensi tinggi, heterogen dan nilai kosong pada beberapa variable.
Co-Authors