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 /
UIN MALANGUIN MALANG Optimasi Hessian-free secara konsisten menghasilkan hasil terbaik di semua skenario kelompok fitur, dengan peningkatan yang paling jelas muncul dalam pengaturanOptimasi Hessian-free secara konsisten menghasilkan hasil terbaik di semua skenario kelompok fitur, dengan peningkatan yang paling jelas muncul dalam pengaturan
STMIKJAYAKARTASTMIKJAYAKARTA Sedangkan dengan Option Test percetage split menghasilkan pengolahan data dengan penanganan Missing Value dengan menghapus data menghasilkan nilai akurasiSedangkan dengan Option Test percetage split menghasilkan pengolahan data dengan penanganan Missing Value dengan menghapus data menghasilkan nilai akurasi
UBUB Penelitian ini memberikan implikasi bahwa pembuat kebijakan dan institusi pengawas dapat mengoptimalkan kompetensi auditor melalui pelatihan dan mengintegrasikanPenelitian ini memberikan implikasi bahwa pembuat kebijakan dan institusi pengawas dapat mengoptimalkan kompetensi auditor melalui pelatihan dan mengintegrasikan
UNBINUNBIN Pada profil risiko terdapat risiko kredit yang harus diantisipasi oleh lembaga keuangan dalam memberikan pinjaman kepada nasabah yang diawali dengan prosesPada profil risiko terdapat risiko kredit yang harus diantisipasi oleh lembaga keuangan dalam memberikan pinjaman kepada nasabah yang diawali dengan proses
UNBINUNBIN Salah satu bentuk program pemerintah untuk mengatasinya adalah bantuan Rumah Tidak Layak Huni (RUTILAHU). Namun, permasalahan sering muncul karena dataSalah satu bentuk program pemerintah untuk mengatasinya adalah bantuan Rumah Tidak Layak Huni (RUTILAHU). Namun, permasalahan sering muncul karena data
NURUL FIKRINURUL FIKRI Hasil analisis menunjukkan bahwa algoritma VADER menghasilkan sentimen positif sebesar 38,5%, negatif 17,6%, dan netral 43,9%. Sementara itu, TextBlobHasil analisis menunjukkan bahwa algoritma VADER menghasilkan sentimen positif sebesar 38,5%, negatif 17,6%, dan netral 43,9%. Sementara itu, TextBlob
STIEBALIKPAPANSTIEBALIKPAPAN Analisa data transaksi penjualan di toko Fitri Hijab menggunakan algoritma Apriori menunjukkan bahwa konsumen sering membeli hijab instan dan hijab segiAnalisa data transaksi penjualan di toko Fitri Hijab menggunakan algoritma Apriori menunjukkan bahwa konsumen sering membeli hijab instan dan hijab segi
UNSIKAUNSIKA Selain itu, model machine learning Decision Tree dan Random Forest terbukti efektif dalam mengklasifikasikan kepuasan pelanggan berdasarkan hasil crossSelain itu, model machine learning Decision Tree dan Random Forest terbukti efektif dalam mengklasifikasikan kepuasan pelanggan berdasarkan hasil cross
Useful /
STMIKJAYAKARTASTMIKJAYAKARTA Penelitian ini berjudul Tracking Objek Berbasis Augmented Reality pada Pembelajaran Interaktif Pengenalan Motif & Filosofi Kain Tenun Atambua. Tujuan utamaPenelitian ini berjudul Tracking Objek Berbasis Augmented Reality pada Pembelajaran Interaktif Pengenalan Motif & Filosofi Kain Tenun Atambua. Tujuan utama
STMIKJAYAKARTASTMIKJAYAKARTA Dengan adanya sistem ini memberikan jangkauan lebih luas lagi dalam memberikan data-data kebutuhan tani yang terdapat di koperasi petani Desa Cilempuyang.Dengan adanya sistem ini memberikan jangkauan lebih luas lagi dalam memberikan data-data kebutuhan tani yang terdapat di koperasi petani Desa Cilempuyang.
UBUB Pengujian menunjukkan system dengan load balancer lebih efisien dalam penggunaan CPU dengan perbandingan CPU 39. 1% pada ws1 dengan loadbalancer dan 51.Pengujian menunjukkan system dengan load balancer lebih efisien dalam penggunaan CPU dengan perbandingan CPU 39. 1% pada ws1 dengan loadbalancer dan 51.
STMIKJAYAKARTASTMIKJAYAKARTA Salah satu sumber nutrisi selain ASI adalah Susu Formula (SUFOR), yang berperan signifikan dalam melengkapi kebutuhan gizi balita. Namun, banyaknya variasiSalah satu sumber nutrisi selain ASI adalah Susu Formula (SUFOR), yang berperan signifikan dalam melengkapi kebutuhan gizi balita. Namun, banyaknya variasi