UBMUBM
Jurnal Algoritma, Logika dan KomputasiJurnal Algoritma, Logika dan KomputasiGradient Boosting (GB) adalah sebuah algoritma machine learning yang menggabungkan beberapa fungsi parameter sederhana yang bertujuan untuk memprediksi sebuah informasi yang cukup akurat dari data-data yang ada. Berbeda dengan metode statistika pada umumnya, Gradient boosting ini memberikan informasi yang dapat diinterpretasi, sementara membutuhkan sedikit data preprocessing dan tuning dari parameter. Gradient Boosting dapat diterapkan untuk melakukan klasifikasi maupun regresi pada data-data, Interaksi kompleks dimodelkan secara sederhana dan meminimalisir kehilangan informasi saat dalam pengelolaan prediktor, sehingga algoritma ini cukup baik digunakan untuk pemodelan biaya asuransi kerugian. Penelitian ini menyajikan teori GB dan aplikasinya untuk masalah memprediksi kecelakaan “at-fault pada biaya kerugian mobil menggunakan data dari perusahaan asuransi Kanada. Akurasi prediksi model GB dibandingkan terhadap pendekatan Generalized Linear Model (GLM) konvensional.
Berdasarkan hasil penelitian yang dilakukan dapat disimpulkan bahwa pengguna Gradient Boosting pada biaya kerugian dibanding dengan GLM menunjukan bahwa pengunaan Gradient Boosting bisa dijadikan alternatif dalam melakukan prediksi biaya kerugian karena lebih cepat dan akurasi/ketepatannya pun tidak kalah dengan mengunakan metode konvensional GLM.
Penelitian selanjutnya dapat difokuskan pada pengembangan model Gradient Boosting dengan mempertimbangkan faktor-faktor eksternal seperti kondisi ekonomi dan perilaku pengemudi untuk meningkatkan akurasi prediksi biaya kerugian. Selain itu, eksplorasi penggunaan teknik deep learning, seperti neural networks, dapat dilakukan untuk membandingkan performanya dengan Gradient Boosting dalam memprediksi biaya kerugian asuransi mobil. Terakhir, penelitian dapat diperluas dengan menguji model pada dataset dari berbagai negara dengan karakteristik yang berbeda untuk menguji generalisasi dan robustitas model Gradient Boosting dalam konteks asuransi yang lebih luas. Penelitian-penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam tentang pemodelan biaya kerugian asuransi dan membantu perusahaan asuransi dalam membuat keputusan yang lebih tepat dan efisien.
- Studi Kasus Feature Engineering Untuk Data Teks: Perbandingan Label Encoding dan One-Hot Encoding Pada... doi.org/10.31602/tji.v15i1.13457Studi Kasus Feature Engineering Untuk Data Teks Perbandingan Label Encoding dan One Hot Encoding Pada doi 10 31602 tji v15i1 13457
- DATA MINING UNTUK ANALISA PENGAJUAN KREDIT DENGAN MENGGUNAKAN METODE LOGISTIK REGRESI | Ginting | Jurnal... journal.ubm.ac.id/index.php/alu/article/view/1845DATA MINING UNTUK ANALISA PENGAJUAN KREDIT DENGAN MENGGUNAKAN METODE LOGISTIK REGRESI Ginting Jurnal journal ubm ac index php alu article view 1845
- Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning | Hakim... doi.org/10.30813/jbase.v4i2.3000Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning Hakim doi 10 30813 jbase v4i2 3000
| File size | 371.2 KB |
| Pages | 9 |
| DMCA | Report |
Related /
BSIBSI Salah satu sistem bahasa isyarat yang diakui secara resmi di Indonesia adalah Sistem Bahasa Isyarat Indonesia (SIBI), yang menyampaikan makna melalui gesturSalah satu sistem bahasa isyarat yang diakui secara resmi di Indonesia adalah Sistem Bahasa Isyarat Indonesia (SIBI), yang menyampaikan makna melalui gestur
UIBUIB Sistem ini membantu pustakawan dalam mengelola data secara terstruktur dan memberikan kemudahan bagi anggota dalam mencari, meminjam, dan memantau statusSistem ini membantu pustakawan dalam mengelola data secara terstruktur dan memberikan kemudahan bagi anggota dalam mencari, meminjam, dan memantau status
BSIBSI Hasil penelitian menunjukkan peningkatan kinerja operasional setelah implementasi sistem, di mana ketidaksesuaian data stok menurun dari ±8% menjadi kurangHasil penelitian menunjukkan peningkatan kinerja operasional setelah implementasi sistem, di mana ketidaksesuaian data stok menurun dari ±8% menjadi kurang
BSIBSI Penelitian ini berhasil mengembangkan sistem keamanan berbasis IoT yang mengidentifikasi wajah manusia dan hewan peliharaan secara otomatis untuk mengendalikanPenelitian ini berhasil mengembangkan sistem keamanan berbasis IoT yang mengidentifikasi wajah manusia dan hewan peliharaan secara otomatis untuk mengendalikan
BSIBSI Tujuan dibuatnya Aplikasi SIG ini diharapkan mampu memetakan batas wilayah secara akurat, menandai titik lokasi fasilitas umum, serta menyediakan informasiTujuan dibuatnya Aplikasi SIG ini diharapkan mampu memetakan batas wilayah secara akurat, menandai titik lokasi fasilitas umum, serta menyediakan informasi
BSIBSI PT Indo Mutu Makmur menghadapi tantangan serupa, di mana belum tersedianya sistem monitoring otomatis menyebabkan keterbatasan dalam mengelola infrastrukturPT Indo Mutu Makmur menghadapi tantangan serupa, di mana belum tersedianya sistem monitoring otomatis menyebabkan keterbatasan dalam mengelola infrastruktur
BSIBSI Oleh karena itu, dirancang sebuah sistem absensi berbasis Quick Response (QR) Code yang terintegrasi secara digital. Aplikasi ini dikembangkan menggunakanOleh karena itu, dirancang sebuah sistem absensi berbasis Quick Response (QR) Code yang terintegrasi secara digital. Aplikasi ini dikembangkan menggunakan
BSIBSI Hasil pengujian menunjukkan bahwa komunikasi data antara perangkat keras dan perangkat lunak berjalan sinkron dan seluruh fungsi sistem beroperasi sesuaiHasil pengujian menunjukkan bahwa komunikasi data antara perangkat keras dan perangkat lunak berjalan sinkron dan seluruh fungsi sistem beroperasi sesuai
Useful /
BSIBSI Transformasi digital dalam dunia pendidikan menuntut inovasi dalam penyelenggaraan layanan, termasuk proses penerimaan siswa baru. Penelitian ini menghadirkanTransformasi digital dalam dunia pendidikan menuntut inovasi dalam penyelenggaraan layanan, termasuk proses penerimaan siswa baru. Penelitian ini menghadirkan
BSIBSI Sebagian besar masalah memiliki tingkat keparahan 2, yang memerlukan desain ulang. Tingkat keparahan rata-rata yang diperoleh adalah 2. Rekomendasi meliputiSebagian besar masalah memiliki tingkat keparahan 2, yang memerlukan desain ulang. Tingkat keparahan rata-rata yang diperoleh adalah 2. Rekomendasi meliputi
UBMUBM Penelitian ini bertujuan untuk mengotomatisasi proses tersebut melalui kuantisasi warna menggunakan K-Means Clustering sebagai solusi untuk menyederhanakanPenelitian ini bertujuan untuk mengotomatisasi proses tersebut melalui kuantisasi warna menggunakan K-Means Clustering sebagai solusi untuk menyederhanakan
UBMUBM Pengguna dapat menghemat waktu dan uang dalam proses mencari warna dari pewarna bibir yang sesuai dengan mereka, dikarenakan percobaan simulasi secaraPengguna dapat menghemat waktu dan uang dalam proses mencari warna dari pewarna bibir yang sesuai dengan mereka, dikarenakan percobaan simulasi secara