BAB 3 - Pembahasan - Data Mining Sebagai Solusi Bisnis

BAB 3

PEMBAHASAN

3.1   Jenis-Jenis Asuransi Properti

Untuk mengetahui jenis-jenis asuransi aja saja yang terdapat dibidang properti, berikut pembagian jenis-jenis asuransi properti menurut Asuransi Central Asia atau dikenal dengan istilah ACA Asuransi, yaitu ada 4 jenis :

3.1.1         Asuransi Kebakaran

Gambar 3.1 Asuransi Kebakaran ACA

Sumber: www.aca.co.id

·         Apa saja yang bisa diasuransikan?

1)      Bangunan,

2)      Perabotan Rumah Tangga,

3)      Perlengkapan Rumah,

4)      Mesin,

5)      Barang Dagangan.

·         Apa saja yang dijamin?

1)      Kebakaran,

2)      Petir,

3)      Ledakan dan Asap,

4)      Tanah Longsor,

5)      Banjir,

6)      Kerusakan akibat kerusuhan atau kecelakaan.

·         Adakah resiko yang tidak dijamin?

1)      Kebakaran yang terjadi akibat kelalaian (arus pendek pada listrik atau meledaknya tabung gas),

2)      Kerusakan akibat perang (bom, radiasi nuklir).

·         Siapa saja yang memerlukan produk ini?

Setiap individu atau badan usaha yang memiliki kepentingan atas harta benda yang diasuransikan seperti: pemilik, penyewa, bank atau lembaga keuangan pemberi kredit.

3.1.2         Asuransi Pencurian dan Pembongkaran

Gambar 3.2 Asuransi Pencurian dan Pembongkaran ACA

Sumber: www.aca.co.id

·         Apa saja yang bisa diasuransikan?

1)      Harta Benda seperti : komputer, laptop, televisi, kulkas, AC, piano, dan sebagainya.

Setiap harta benda yang akan diasuransikan wajib diberikan keterangan rinci, antara lain: merk, tipe, tahun pembuatan, harga pembelian, jumlah unit. Rincian ini sangat diperlukan, jumlah unit. Rincian ini sangat diperlukan baik oleh nasabah maupun pihak asuransi. Mengapa demikian? Jika terjadi kebongkaran maka nasabah mudah mengajukan klaim berupa jenis barang dengan spesifikasi seperti pada lampiran polis asuransi sekaligus prakiraan besar kerugian yang terjadi.

·         Apa saja yang dijamin?

Hilangnya barang-barang akibat pencurian yang didahului tindakan kekerasan atau paksaan atau diikuti oleh perusakan terhadap bangunan. Selain itu, dijamin pula rusaknya barang-barang atau bangunan akibat tindakan kekerasan tersebut.

·         Adakah resiko yang tidak dijamin?

Kerusakan yang disebabkan oleh tindakan sendiri atau anggota keluarga dan Kerugian yang dapat diasuransikan melalui asuransi kebakaran atau asuransi kaca; surat berharga, saham, uang kertas, uang logam, dokumen dan sejenisnya, kecuali dinyatakan secara tegas dalam ikhtisar polis; perang, kerusuhan dan sejenisnya; peraturan pemerintah

·         Siapa saja yang memerlukan produk ini?

Perusahaan atau individu yang telah mengasuransikan bangunannya terlebih dulu dengan polis asuransi kebakaran. Bangunan tempat harta benda yang diasuransikan berada dapat berupa bangunan rumah tinggal, kantor, wartel, warnet, pabrik garmen atau tempat usaha lainnya.

3.1.3         Asuransi Rumah Idaman (ASRI)

Gambar 3.3 Asuransi Rumah Idaman ACA

Sumber: www.aca.co.id

·         Mengapa ASRI-Asuransi Rumah Idaman?

1)      Proteksi lengkap,

2)      Biaya premi murah mulai dari Rp.100.000,- per tahun,

3)      Klaim cepat dengan garansi klaim 14 hari kerja,

4)      Bayar biaya premi mudah menggunakan ATM BCA, Credit Card, Mobile Banking,

5)      Memberikan manfaat tambahan seperti biaya arsitek, biaya pemadam kebakaran, biaya pembersihan puing, tanpa tambahan pada biaya premi,

6)      Tanpa proses survey bagi rumah di kompleks perumahan.

·         Apa saja yang dijamin?

1)      Kebakaran, petir, ledakan, asap,

2)      Kerusuhan,

3)      Pencurian dengan kekerasan,

4)      Tanggung jawab hukum terhadap pihak ketiga,

5)      Biaya arsitek, surveyor dan konsultan,

6)      Kerusakan yang disengaja dalam upaya pencegahan menjalarnya kebakaran,

7)      Biaya pemadam kebakaran,

8)      Kerusakan akibat kecelakaan,

9)      Pembersihan puing-puing.

·         Jaminan Perluasan?

1)      Angin topan, badai, banjir dan kerusakan akibat air,

2)      Gempa bumi, tsunami, letusan gunung merapi dan tanah longsor.

3.1.4         Asuransi Toko

Gambar 3.4 Asuransi Toko ACA

Sumber: www.aca.co.id

·         Apa saja yang dijamin?

1)      Kebakaran, petir, ledakan, asap,

2)      Santunan atas gangguan operasional usaha.

3)      Kehilangan uang,

4)      Kerugian akibat pengangkutan barang,

5)      Asuransi kecelakaan diri selam jam kerja,

6)      Biaya pengobatan akibat kecelakaan.

·         Manfaat Tambahan?

1)      Biaya arsitek, surveyor dan konsultan,

2)      Biaya Dinas Kebakaran,

3)      Biaya selama berada dalam kendaraan,

4)      Biaya pembersihan puing,

5)      Akibat tertabrak kendaraan,

6)      Bebas penilaian nilai jumlah pertanggungan atas klaim yang terjadi,

7)      Penggantian yang dibayarkan tanpa depresiasi,

8)      Setelah klaim, nilai polis dipulihkan secara otomatis,

9)      Bebas prorate.

3.2 Perbedaan Data Warehouse dan Data Mining

Data warehouse dan data mining adalah dua hal yang berbeda. Pada Data warehouse yaitu suatu database biasa yang berisi summary atau ringkasan (rekap) untuk subjek tertentu yang sudah diketahui. Misalnya manajemen perusahaan ingin mengetahui informasi tentang penjualan produk yang paling sering, maka dalam data warehouse dimasukkan rekap data penjualan dari database transaksi penjualan yang berbentuk tabel biasa. Tabel ini hanya boleh untuk diambil data nya dan tidak bisa mengubah atau menghapus isi data pada tabel. Hasil dari rekap ini biasanya akan ditampilkan dalam bentuk grafik yang memudahkan untuk dipahami oleh manajemen, sehingga dapat memudahkan dalam proses analisis dan pengambilan keputusan. Sedangkan data mining yaitu proses pengolahan data untuk mendapatkan informasi yang belum diketahui informasi apa saja yang terdapat di kumpulan data tersebut. Data mining juga merupakan proses untuk menggali pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, artikel web, multimedia (foto, suara, video) dan dokumen-dokumen (files). Data mining sangat diperlukan untuk mengelola data yang sangat besar untuk memudahkan aktivitas recording suatu transaksi dan untuk proses data warehousing agar dapat memberikan informasi yang akurat bagi penggunanya.

3.3 Arsitektur Data Mining

Gambar 3.5 Arsitektur Data Mining

Sumber: Olson & Delen (2008, p10)

Menurut Olson & Delen (2008, p10) terdapat beberapa alur atau tahapan kerja pembuatan data mining :

1)      Business Understanding

Menentukan tujuan bisnis perusahaan, menilai situasi bisnis saat ini, dan tujuan pembuatan data mining.

2)      Data Understanding

Mencari dan mengumpulkan data yang digunakan dengan mempertimbangkan persyaratan data yang dibutuhkan.

3)      Data Preparation

Mengolah data agar sesuai dengan kebutuhan data mining.

4)      Model Building

Pembuatan analisis awal, pembagian data set pelatihan dan pengujian, dan pembuatan model data mining yang digunakan.

5)      Testing and Evaluation

Melakukan pengecekan tingkat akurasi pada model yang dibuat dan mengevaluasinya.

6)      Deployment

Membuat suatu program aplikasi user interface dari hasil data mining untuk tampilan kepada user akan hasil model yang dibuat.

3.4 Tahapan Data Mining

3.4.1        Data Cleaning

Langkah pertama dalam tahapan proses data mining ini adalah data cleaning. Fungsinya untuk menghapus dan mengganti data yang tidak konsisten, tidak memiliki nilai, tidak relevan atau terdapat kesalahan penulisan pada saat penginputan.

3.4.2        Data Intergration

Pada tahap ini dilakukannya penggabungan data dari berbagai tabel ke dalam tabel baru. Tidak jarang jika data yang diperlukan untuk data mining hanya berasal dari satu tabel saja, tetapi juga berasal dari beberapa tabel dan beberapa files yang mencangkup.

3.4.3        Data Selection

Pada tahap ini merupakan tahap pemilihan atau seleksi data relevan yang berada pada tabel, tidak semua data dipakai hanya data yang sesuai untuk dianalisis yang akan diambil dari tabel. Pada penelitian ini setelah tahap data cleaning dan tahap data intergration sudah dikerjakan, dilakukannya penyeleksian atribut untuk memilih data yang relevan atau yang sesuai dengan analisis berdasarkan kebutuhan perusahaan.

3.4.4        Data Transformation

Pada tahap ini, data yang sudah diseleksi pada tahap data selection akan digunakan untuk pembuatan model data mining. Model data mining ini berguna untuk melakukan proses pada data tersebut agar dapat digunakan untuk proses analisa yang menghasilkan informasi yang sangat bermanfaat pada perusahaan dan informasi yang dihasilkan dapat digunakan dalam pengambilan suatu keputusan.

3.5 Perangkat Lunak Data Mining

Berikut beberapa contoh perangkat lunak atau software data mining :

1)      Orange

·         Visualisasi data open source dan analisis untuk para pemula dan ahli,

·         Data mining melalui pemrograman visual atau Python scripting, digunakan untuk bioinformatika dan text mining.

·         Dilengkapi dengan fitur untuk analisis data.

Gambar 3.6 Contoh Perangkat Lunak Data Mining Orange

Sumber: www.orange.biolab.si

  

2)      Weka

Weka adalah suatu software yang berbasis bahasa Java dan kumpulan algoritma mesin untuk tugas-tugas data mining. Algoritma dapat diterapkan secara langsung ke dataset atau dipanggil dari kode Java anda sendiri. Weka berisi alat untuk data pra-pengolahan, klasifikasi, regresi, clustering, aturan asosiasi, dan visualisasi.

 Gambar 3.7 Contoh Perangkat Lunak Data Mining Weka

Sumber: www.cs.waikato.ac.nz

3)      R

R adalah suatu software untuk komputasi statistik dan grafis. R dapat dijalankan pada berbagai platform seperti UNIX, Windows dan MacOS.

Gambar 3.8 Contoh Perangkat Lunak Data Mining R

Sumber: www.r-project.org

4)      Microsoft Analysis Services

Microsoft analysis services adalah software data mining buatan Microsoft. Software ini berbasiskan SQL Server Analysis Services untuk membangun model analisis yang dapat digunakan untuk menganalisis interaktif data, reporting data dan visualisasi data. SQL Server memberikan model yang komprehensif untuk mendukung solusi yang tepat.

Gambar 3.9 Contoh Perangkat Lunak Data Mining Microsoft Analysis Services

Sumber: www.microsoft.com

  

5)      Oracle Data Mining

Oracle Data Mining (ODM) menyediakan fungsionalitas data mining sebagai fungsi SQL dalam database Oracle. ODM memungkinkan pengguna untuk menemukan informasi yang tersembunyi di dalam data. Dengan adanya ODM ini dapat membangun dan menerapkan model prediktif yang membantu perusahaan untuk menargetkan pelanggan yang loyal, mengetahui profil pelanggan secara rinci untuk mencegah penipuan. Model ODM ini dapat dimasukkan kedalam query SQL yang terdapat dalam aplikasi.

Gambar 3.10 Contoh Perangkat Lunak Data Mining Oracle Data Mining

Sumber: www.oracle.com