ABSTRAKSI: Untuk meningkatkan laba suatu perusahaan asuransi harus dapat mengenali kebiasaan atau pola-pola pelanggannya. Untuk menarik banyak pelanggannya perusahaan dapat menganalisa kebiasaan-kebiasaan pelanggannya dengan melakukan analisis pada data-data pelanggannya. Demikian menariknya pencarian pola pelanggan tersebut sehingga ada suatu competisi yaitu kompetisi coil 2000.
Salah satu disiplin ilmu yang dapat menganalis data pelanggan tersebut adalah data mining. Data mining sendiri memiliki beberapa teknik untuk kasus ini dapat dilakukan dengan teknik klasifikasi. salah satu metoda klasifikasi tersebut adalah dengan jaringan syaraf tiruan atau sering disingkat JST tersebut dapat melakukan pembelajaran seperti manusia dalam pengenalan data. JST tersusun dari tiga komponen yaitu : penghubung atau bobot, penambah dan fungsi aktivasi. Algoritma genetika yang meniru teori evolusi yang ada di alam dapat menjadi proses pembelajaran JST untuk menentukan bobot-bobotnya. Untuk mendapatkan model yang optimum data perlu dibersihkan terlebih dahulu atau lebih dikenal dengan preprosessing. Preprosesing yang dilakuakan meliputi, attribute selection, mengurangi redundansi data, discretization.
Parameter keberhasilan tingkat generalisasi pola dari data coil 2000 ini dapat diukur dengan nilai-nilai evaluasi pada klasifikasi seperti akurasi, F-measure, Kappa statistic dan confusion matrix.Kata Kunci : klasifikasi, jaringan syaraf tiruan, algoritma genetika,data mining.ABSTRACT: To increase profit in a insurance company, the company have to recognize behaviours or patterns from costumers. To get people’s interest the company can analize the behaviours of the costumers by analizing costumer’s data. Such the interesting of costumer patterns retrieval causing the existence of Coil 2000 competition.
One approach in analizing costumer data is data mining. Data mining has several techniques, in this case used classification technique. The method of this classification technique is artificial neural network (ANN) which can learning as human in analizing of data. ANN consist of three componens which are : weight, adder and aktivation fungtion.
The genetic algorithm as imitation of the evolution theory which exist in the universe can work as learning process for ANN to determine weights. To get the optimum model, data have to be cleaned first or usually known as preprocessing. Preprocessing consist of attribute selection, minimize data redundant, and discretization.
The success parameters of generalization pattern level from data coil 2000 can be measure by evaluation values in classification like accuracy, F-measure, Kappa static, and confusion matrix.
Keyword: classification, artificial neural network, genetic algorithm, data mining.