Prediksi Klaim Asuransi Perjalanan Menggunakan Machine Learning untuk Optimasi Manajemen Risiko

Andy Hermawan ; Nila Rusiardi Jayanti ; Adam Praharsya Rahmadian ; Muhammad Hafizh Bayhaqi ; Amira Afdhal ; Kerin Aurelia
SABER : Jurnal Teknik Informatika, Sains dan Ilmu... 📅 2025 Vol 3, No 2 🔗 DOI: 10.59841/saber.v3i2.2476
Abstract
Travel insurance provides financial protection for individuals during their trips, both domestically and internationally. With the increasing demand for travel insurance, insurance companies face challenges in efficiently managing claims. This study aims to develop a predictive model to classify whether an insurance policy will be claimed based on historical customer and transaction data. This research utilizes a dataset containing various features related to travel and policyholders, such as agent type, distribution channel, insurance product, travel duration, and premium amount. The methods used include data exploration, feature processing, and the application of machine learning algorithms such as Logistic Regression, Random Forest, and XGBoost. Experimental results indicate that the XGBoost model performs the best, achieving the highest accuracy compared to other models. With this predictive model, insurance companies can optimize claim evaluation processes, reduce fraud risks, and improve operational efficiency in handling travel insurance claims.
Keywords
classification; insurance claim prediction; machine learning; travel insurance
How to Cite

Andy Hermawan, et al. (2025). Prediksi Klaim Asuransi Perjalanan Menggunakan Machine Learning untuk Optimasi Manajemen Risiko. SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, 3(2). https://doi.org/10.59841/saber.v3i2.2476

Andy Hermawan; Nila Rusiardi Jayanti; Adam Praharsya Rahmadian; Muhammad Hafizh Bayhaqi; Amira Afdhal; Kerin Aurelia, "Prediksi Klaim Asuransi Perjalanan Menggunakan Machine Learning untuk Optimasi Manajemen Risiko," SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, vol. 3, no. 2, 2025.

Andy Hermawan; Nila Rusiardi Jayanti; Adam Praharsya Rahmadian; Muhammad Hafizh Bayhaqi; Amira Afdhal; Kerin Aurelia. "Prediksi Klaim Asuransi Perjalanan Menggunakan Machine Learning untuk Optimasi Manajemen Risiko." SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, vol. 3, no. 2, 2025.

Andy Hermawan; Nila Rusiardi Jayanti; Adam Praharsya Rahmadian; Muhammad Hafizh Bayhaqi; Amira Afdhal; Kerin Aurelia. "Prediksi Klaim Asuransi Perjalanan Menggunakan Machine Learning untuk Optimasi Manajemen Risiko." SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi 3, no. 2 (2025).

Andy Hermawan, et al. (2025) 'Prediksi Klaim Asuransi Perjalanan Menggunakan Machine Learning untuk Optimasi Manajemen Risiko', SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, 3(2). doi: 10.59841/saber.v3i2.2476.

Andy Hermawan; Nila Rusiardi Jayanti; Adam Praharsya Rahmadian; Muhammad Hafizh Bayhaqi; Amira Afdhal; Kerin Aurelia. Prediksi Klaim Asuransi Perjalanan Menggunakan Machine Learning untuk Optimasi Manajemen Risiko. SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi. 2025;3(2).

Artikel Terkait

Design of an Android-Based Chatbot Application Using Mood Tracking and Sentiment Analysis to Monitor the Mental Health of University Students

Mohd Fauzan Azmi

Diplomasi Thailand dalam Upaya Menyelesaikan Konflik Sosial dan Politik Akibat Kudeta Junta Militer di Myanmar Tahun 2021

Ahmad Sabil; Ali Noer Zaman

Dari Prompt ke Produksi: Metode Tiga Dimensi untuk Mengevaluasi Keselarasan Niat, Keandalan Kode, dan Kognisi Pengembang dalam Vibe Coding

Andri Nugraha Ramdhon

Analisis Perilaku Belanja Online dan Dampaknya terhadap Ekonomi Keluarga: Sebuah Studi Literatur

Sri Rizka Agustina; Nurul Jannah; Shelsy Aulia; Darmawati

Makna Social Drinking pada Film Korea Selatan di Netflix Tahun 2024: Analisis Semiotika Charles Sanders Pierce

Moch. Nauval Al Gifari; Rizca Haqqu

Analisis Persepsei Mengenai Pembelajaran Skripsi pada Followers @Buiramira

Iffah Ulya Salsabila; Widia Febrianti; Rifan Kurniawan; Yohanes Arie Kuncoroyakti
Tren Sitasi Jurnal