Analisis Clustering Dengan Metode Fuzzy C - Means Dan Fuzzy Gustafson Kessel Pada Perusahaan Asuransi Berdasarkan Rasio Keuangan Tahun 2019

Yani, I Gusti Ayu Mas Darsasasmitha (2022) Analisis Clustering Dengan Metode Fuzzy C - Means Dan Fuzzy Gustafson Kessel Pada Perusahaan Asuransi Berdasarkan Rasio Keuangan Tahun 2019. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311840000008_Undergraduate_Thesis.pdf Download (3MB)

Abstract

Asuransi merupakan suatu alat untuk mengurangi risiko dengan menggabungkan sejumlah unit-unit yang beresiko agar kerugian individu secara kolektif dapat diprediksi. Peranan perusahaan asuransi untuk menanggulangi risiko sangat penting diharapkan perusahaan asuransi dapat meminimalisir risiko yang terjadi di masa mendatang. Banyaknya kasus gagal klaim pada perusahaan asuransi menimbulkan banyak pertanyaan mengenai kinerja perusahaan asuransi itu sendiri sehingga nasabah ragu untuk menentukan perusahaan asuransi mana yang tepat bagi mereka. Penelitian ini dilakukan untuk mengetahui perusahaan asuransi yang sudah memiliki kinerja perusahaan dengan keuangan yang sangat baik. Data yang digunakan dalam penelitian ini adalah data sekunder dari laporan keuangan tahun 2019 pada masing – masing perusahaan asuransi dengan menggunakan 11 rasio keuangan berdasarkan Early Warning System dengan hasil karakteristik menggunakan statistika deskriptif yaitu rasio keuangan tidak memiliki perbedaan nilai karakteristik yang cukup besar. Maka perusahaan asuransi dikelompokan ke dalam beberapa cluster berdasarkan kinerja perusahaan dengan metode yang digunakan adalah Fuzzy C – Means dan Fuzzy Gustafson Kessel. Didapatkan jumlah cluster optimum untuk kedua metode berdasarkan nilai index XB sebanyak 4 cluster dengan metode terbaik adalah metode Fuzzy C – Means berdasarkan nilai icdrate terkecil yaitu 0,42551 dengan rata – rata nilai median tertinggi terjadi pada pengelompokkan cluster ke 4, sedangkan untuk ukuran penyebaran data terbesar terjadi pada pengelompokkan cluster ke 2. Berdasarkan hasil pengujian MANOVA menunjukkan bahwa terdapat perbedaan karakteristik pada setiap cluster yang terbentuk
==============================================================================================================================
Insurance is a tool to reduce risk by combining several risk units so that individual losses can collectively be predicted. The role of insurance companies in coping with risk is crucial. It is hoped that insurance companies can minimize risks that occur in the future. The number of failed claims at insurance companies raises many questions about the insurance company's performance, so customers are hesitant to determine which insurance company is right for them. This research was conducted to determine which insurance companies already have excellent financial performance. The data used in this study is secondary data from the 2019 financial statements of each insurance company using 11 financial ratios based on the Early Warning System with expected results using descriptive statistics. Namely, financial ratios do not have a significant enough difference in characteristic values. Then the insurance companies are grouped into several clusters based on the company's performance, with the methods used are Fuzzy C – Means and Fuzzy Gustafson Kessel. The optimum number of clusters for both methods was obtained based on the XB index value of 4 clusters, with the best method being the Fuzzy C - Means method based on the smallest icdrate value, namely 0.42551, with the highest average median value occurring in the fourth cluster grouping, while for the size of the data spread the largest occurred in the second cluster grouping. Based on the results of the MANOVA test showed that there were differences in the characteristics of each cluster that was formed.

Item Type:	Thesis (Other)
Additional Information:	RSAk 519.53 Yan a-1 2022
Uncontrolled Keywords:	Asuransi, Rasio Keuangan, Risiko, Fuzzy C – Means, Fuzzy Gustafson Kessel, Insurance, Financial Ratios, Risk, Fuzzy C – Means, Fuzzy Gustafson Kessel
Subjects:	Q Science > QA Mathematics > QA402 System analysis.
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	21 Nov 2024 06:23
Last Modified:	21 Nov 2024 06:23
URI:	http://repository.its.ac.id/id/eprint/115812

Actions (login required)

View Item