Abstract:
Asuransi disabilitas adalah asuransi yang memberikan manfaat apabila tertanggung mengalami
cedera atau terkena suatu penyakit yang menyebabkan tertanggung tidak dapat bekerja dan
memperoleh pendapatan. Setiap perusahaan yang menerbitkan produk asuransi disabilitas perlu
mengetahui risiko yang ditanggung perusahaan dengan cara memprediksi tingkat pemulihan
tertanggung yang akan digunakan untuk menentukan manfaat dan premi setiap tertanggung.
Manfaat yang dibayarkan oleh perusahaan ditentukan berdasarkan tingkat pemulihan dari
tertanggung menggunakan metode berbasis pohon keputusan. Data tingkat pemulihan yang
digunakan adalah tingkat pemulihan untuk kasus disabilitas kehamilan yang diambil dari
data asuransi disabilitas kelompok jangka panjang dari laman Society of Actuaries (SOA) dan
metode utama yang akan digunakan untuk memprediksi tingkat pemulihan adalah metode
Bayesian Additive Regression Tree. Prediksi tingkat pemulihan kehamilan akan diprediksi
menggunakan beberapa metode berbasis pohon seperti Bayesian Additive Regression Tree,
Gradient Boosting Machine, Random Forest, dan Decision Tree dan dibandingkan berdasarkan
nilai root mean squared error (RMSE) dan waktu runtime dari masing-masing model yang
terbentuk. Berdasarkan perbandingan hasil prediksi untuk setiap dataset, didapatkan bahwa
metode Bayesian Additive Regression Tree memberikan hasil prediksi yang terbaik dengan nilai
RMSE terkecil dan waktu runtime yang relatif singkat.
