Pengembangan Algoritma C4.5 Berbasis Particle Swarm Optimization untuk Penentuan Kelayakan Asuransi

Abstract

Tujuan penelitian ini adalah untuk Pengembangan Algoritma C4.5 Berbasis Particle Swarm Optimization Untuk Penentuan Kelayakan Asuransi. metode logistic regresion, decision trees, k-nearest neighbors, naïve bayes dan support vector machines. Model tersebut akan menentukan atau memprediksi status konsumen dimasa mendatang. Observasi yang mirip juga pernah dilakukan, tetapi dengan cara berbeda. Pada penilitian ini, akan digunakan algoritma klasifikasi C4.5 berbasis Particle Swarm Optimization (PSO), hasil ketepatan yang diinginkan lebih bagus dibandingkan hanya memakai algoritma C4.5 untuk mengatasi permasalahan pada kasus pemilihan produk asuransi. dapat disimpulkan bahwa nilai akurasi yang didapatkan pada model algoritma C4.5 berbasis PSO adalah 98.93% lebih bagus jika dibandingkan dengan model algoritma C4.5 yaitu 97.84%. Dari hasil tersebut didapatkan perbedaan antara kedua model yaitu senilai 0.4%. Selagi untuk penelaahan menggunakan ROC curve bagi kedua model ialah,untuk model algoritma C4.5 nilai AUC adalah 0.970 dengan urutan diagnosa Excellent Classification, dan untuk model algoritma C4.5 berbasis PSO nilai AUC adalah 0.968 dengan urutan diagnosa Excellent Classification.

Komparasi Metode Seleksi Fitur Dalam Prediksi Keterlambatan Pembayaran Biaya Kuliah

“…Confusion matrix memberikan keputusan yang diperoleh selama pelatihan dan pengujian, dan confusion matrix juga memberikan penilaian kinerja klasifikasi berdasarkan apakah objek itu benar atau salah [25].…”