Article Per Year (5 Year)
p-Index From 2019 - 2024
2.286
P-Index
This Author published in this journals
All Journal EKSAKTA: Journal of Sciences and Data Analysis Statistika Jurnal Ekonomi Modernisasi JURNAL PENGABDIAN KEPADA MASYARAKAT BAREKENG: Jurnal Ilmu Matematika dan Terapan JOURNAL OF APPLIED ACCOUNTING AND TAXATION Jurnal Vokasi Indonesia Indonesian Journal of Applied Informatics Jurnal Administrasi Bisnis Terapan Jurnal Statistika dan Matematika (Statmat) Mathematics and Applications (MAp) Journal Journal of Fundamental Mathematics and Applications Jurnal Vokasi Indonesia
Yulial Hikmah
Program Studi Administrasi Asuransi Dan Aktuaria, Program Pendidikan Vokasi, Universitas Indonesia, Depok, Indonesia
Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Indonesian Journal of Applied Informatics

 1 
Klasifikasi Minat Korban Banjir terhadap Pembelian Produk Asuransi Dampak Banjir Menggunakan Software Orange (Studi Kasus: Kota Jakarta Timur) Ira Rosianal Hikmah; Yulial Hikmah
IJAI (Indonesian Journal of Applied Informatics) Vol 6, No 1 (2021)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v6i1.55621

Abstract

Hampir semua kota di Indonesia mengalami banjir setiap tahun, termasuk DKI Jakarta. Berdasarkan data Badan Nasional Penanggulangan Bencana (BNPB) tahun 2020, Kota Jakarta Timur merupakan kota yang rawan banjir. Banjir merupakan bencana yang relatif paling banyak menimbulkan kerugian. Kerugian yang diakibatkan oleh banjir, terutama kerugian tidak langsung, dapat menempati urutan pertama atau kedua setelah gempa bumi atau tsunami. Menurut BNPB, Kota Jakarta Timur terkena dampak banjir terparah saat bencana banjir awal tahun 2020. Oleh karena itu, perlu adanya upaya mitigasi bencana untuk meminimalisir kemungkinan terjadinya risiko banjir. Salah satu mitigasi risiko akibat bencana banjir adalah dengan membeli produk asuransi dampak banjir sebagai upaya pemidahan risiko yang mungkin akan terjadi. Namun, tidak semua orang membeli produk asuransi dampak banjir karena faktor ekonomi dan sosial. Penelitian ini bertujuan untuk melakukan prediksi terhadap minat penduduk Kota Jakarta Timur terutama yang mengalami banjir terhadap pembelian produk asuransi dampak banjir. Oleh karena itu, penelitian ini menggunakan algoritma supervised learning dengan tujuh pilihan model dan diperoleh tiga model yang dapat direkomendasikan adalah model Random Forest, Naive Bayes, dan SVM yang diperoleh berdasarkan kriteria evaluasi yaitu waktu yang dibutuhkan untuk training dan testing, tingkat akurasi, dan presisi, serta kurva ROC. Almost all cities in Indonesia experience flooding every year, including DKI Jakarta. Based on data from the National Disaster Management Agency (BNPB) in 2020, East Jakarta City is a city that is prone to flooding. Flooding is a disaster that relatively causes the most losses. Losses caused by floods, especially indirect losses, can rank first or second after an earthquake or tsunami. According to BNPB, East Jakarta City was worst affected by flooding during the early 2020 flood disaster. Therefore, disaster mitigation efforts are needed to minimize the possibility of flood risk. One of the risk mitigations due to floods is to buy flood impact insurance products to transfer risks that may occur. However, not everyone buys flood impact insurance products due to economic and social factors. This study aims to predict the interest of residents of East Jakarta City, especially those who experience flooding, to purchase flood impact insurance products. Therefore, this study used a supervised learning algorithm with seven model choices and obtained three models that can be recommended, namely the Random Forest, Naive Bayes, and SVM models obtained based on the evaluation criteria, namely the time required for training and testing, the level of accuracy, and precision, as well as the ROC curve.
Klasifikasi Minat Korban Banjir terhadap Pembelian Produk Asuransi Dampak Banjir Menggunakan Software Orange (Studi Kasus: Kota Jakarta Timur) Ira Rosianal Hikmah; Yulial Hikmah
IJAI (Indonesian Journal of Applied Informatics) Vol 6, No 2 (2022)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v6i2.73163

Abstract

AbstrakHampir semua kota di Indonesia mengalami banjir setiap tahun, termasuk DKI Jakarta. Berdasarkan data Badan Nasional Penanggulangan Bencana (BNPB) tahun 2020, Kota Jakarta Timur merupakan kota yang rawan banjir. Banjir merupakan bencana yang relatif paling banyak menimbulkan kerugian. Kerugian yang diakibatkan oleh banjir, terutama kerugian tidak langsung, dapat menempati urutan pertama atau kedua setelah gempa bumi atau tsunami. Menurut BNPB, Kota Jakarta Timur terkena dampak banjir terparah saat bencana banjir awal tahun 2020. Oleh karena itu, perlu adanya upaya mitigasi bencana untuk meminimalisir kemungkinan terjadinya risiko banjir. Salah satu mitigasi risiko akibat bencana banjir adalah dengan membeli produk asuransi dampak banjir sebagai upaya pemidahan risiko yang mungkin akan terjadi. Namun, tidak semua orang membeli produk asuransi dampak banjir karena faktor ekonomi dan sosial. Penelitian ini bertujuan untuk melakukan prediksi terhadap minat penduduk Kota Jakarta Timur terutama yang mengalami banjir terhadap pembelian produk asuransi dampak banjir. Oleh karena itu, penelitian ini menggunakan algoritma supervised learning dengan tujuh pilihan model dan diperoleh tiga model yang dapat direkomendasikan adalah model Random Forest, Naive Bayes, dan SVM yang diperoleh berdasarkan kriteria evaluasi yaitu waktu yang dibutuhkan untuk training dan testing, tingkat akurasi, dan presisi, serta kurva ROC.AbstractAlmost all cities in Indonesia experience flooding every year, including DKI Jakarta. Based on data from the National Disaster Management Agency (BNPB) in 2020, East Jakarta City is a city that is prone to flooding. Flooding is a disaster that relatively causes the most losses. Losses caused by floods, especially indirect losses, can rank first or second after an earthquake or tsunami. According to BNPB, East Jakarta City was worst affected by flooding during the early 2020 flood disaster. Therefore, disaster mitigation efforts are needed to minimize the possibility of flood risk. One of the risk mitigations due to floods is to buy flood impact insurance products to transfer risks that may occur. However, not everyone buys flood impact insurance products due to economic and social factors. This study aims to predict the interest of residents of East Jakarta City, especially those who experience flooding, to purchase flood impact insurance products. Therefore, this study used a supervised learning algorithm with seven model choices and obtained three models that can be recommended, namely the Random Forest, Naive Bayes, and SVM models obtained based on the evaluation criteria, namely the time required for training and testing, the level of accuracy, and precision, as well as the ROC curve.
Co-Authors Alvira Adya Imani Birawani Dwi Anggraeni Ira Rosianal Hikmah Isriani Isriani Julyet Cipta Fauziyah Kasim, Elsie Sylviana Raisha Amini Sandra Aulia