| dc.contributor |
|
|
| dc.contributor |
|
|
| dc.creator |
Septian, Supiyah |
|
| dc.date |
2016-02-19 |
|
| dc.identifier |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/2714 |
|
| dc.description |
Data mining is a process to determine interesting pattern from bigger data. One technique of data mining is K-means cluster. This method used to group the data collection into a K cluster so data points in a cluster is similar on one to each other rather than data points of different cluster. This study decribes K-means cluster method used to group policyholders of motoring vehicles assurance in Indonesia based on variables of insurance code, vehicle code, use code, zone code, vehicle age, and insurance price. When the cluster number is five, so cluster 1 has members about 826 sed on policyholders, cluster 2 has members about136 policyholders, cluster 3 has 522 policyholderss, cluster 4 has 442 policyholders, cluster 5 has 2.151 policyholders. Cluster 1 upto cluster 5 are dominated by policyholders who take assurance product with comprehensive assurance, the policyholders who use Toyota brand, policyholders who use owncars, policyholders whose vehicles are in Jabodetabek area.. |
|
| dc.description |
Data mining adalah suatu proses menemukan pola yang menarik dari data berukuran besar. Salah satu teknik dalam data mining adalah metode K-means klaster. Metode ini digunakan untuk mengelompokkan suatu kumpulan data ke dalam k buah klaster sedemikian sehingga titik-titik data dalam suatu klaster lebih mirip satu sama lain daripada titik-titik data dalam klaster yang berbeda. Dalam skripsi ini metode K-means klaster akan digunakan untuk mengelompokkan pemegang polis asuransi kendaraan bermotor di Indonesia berdasarkan variabel-variabel kode pertanggungan, kode kendaraan, kode penggunaan, kode wilayah, usia kendaraan, dan harga pertanggungan. Dengan ditetapkannya jumlah klaster sebanyak 5, maka klaster 1 mempunyai anggota sebanyak 826 pemegang polis, klaster 2 mempunyai anggota 136 pemegang polis, klaster 3 mempunyai anggota 522 pemegang polis, klaster 4 mempunyai anggota 442 pemegang polis, klaster 5 mempunyai anggota 2.151 pemegang polis. Klaster 1 sampai dengan klaster 5 didominasi oleh: pemegang polis yang mengambil produk asuransi dengan pertanggungan comprehensive, pemegang polis yang menggunakan merk Toyota, pemegang polis yang menggunakan kendaraan pribadi, dan pemegang polis yang kendaraannya berada di wilayah Jabodetabek. |
|
| dc.format |
application/pdf |
|
| dc.language |
ind |
|
| dc.publisher |
Universitas islam Bandung |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/2714/pdf |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/downloadSuppFile/2714/390 |
|
| dc.source |
Prosiding Statistika; Vol 2, No 1, Prosiding Statistika (Februari, 2016); 107-116 |
|
| dc.source |
Prosiding Statistika; Vol 2, No 1, Prosiding Statistika (Februari, 2016); 107-116 |
|
| dc.source |
2460-6456 |
|
| dc.subject |
Proceedings of Statistics |
|
| dc.subject |
Data mining, K-means cluster, Euclidean distance, motoring vehicles assurance. |
|
| dc.subject |
Statistika |
|
| dc.subject |
data mining, K-means klaster, jarak Euclidean, asuransi kendaraan bermotor |
|
| dc.title |
Data Mining using K-Means Cluster Method to group policyholder of motoring vehicles in Indonesia. |
|
| dc.title |
Data Mining Menggunakan Metode K-Means Klaster untuk Mengelompokkan Pemegang Polis Asuransi Kendaraan Bermotor di Indonesia |
|
| dc.type |
info:eu-repo/semantics/article |
|
| dc.type |
info:eu-repo/semantics/publishedVersion |
|
| dc.type |
Peer-reviewed Article |
|
| dc.type |
Quantitative |
|
| dc.type |
Kuantitatif |
|