PENGELOMPOKAN JENIS KANKER BERDASARKAN RISIKO DENGAN METODE K – MEANS DAN PENERAPANNYA PADA PERHITUNGAN PREMI ASURANSI KESEHATAN = CLUSTERING OF CANCER TYPES BASED ON RISK WITH THE K-MEANS METHOD AND ITS APPLICATION TO THE CALCULATION OF HEALTH INSURANCE PREMIUMS

KHAIRUN NISA. Pengelompokan Jenis Kanker Berdasarkan Risiko Dengan Metode K-Means dan Penerapannya Pada Perhitungan Premi Asuransi Kesehatan (dibimbing oleh Illuminata Wynnie, S.Si., M.Si.). Latar belakang. Penyakit kanker tidak hanya berdampak fisik, tetapi juga finansial bagi penderita dan keluarganya. Asuransi kesehatan dapat membantu mengurangi risiko finansial ini. Pemahaman risiko setiap jenis kanker penting untuk penilaian risiko, penentuan premi, dan pengembangan produk asuransi. Tujuan. Tujuan penelitian ini yaitu mengelompokkan jenis kanker berdasarkan kesamaan karakteristik dari tiap jenis kanker menggunakan metode k-means, serta melakukan perhitungan premi murni di tiap kelompok tersebut. Metode. Untuk lebih mudah memahami risiko tiap jenis kanker, maka dilakukan pengelompokan jenis kanker berdasarkan karakteristik yang dimiliki tiap jenis kanker. Metode yang digunakan untuk mengelompokkan jenis kanker berdasarkan resikonya adalah metode k-means. Pada penelitian ini, dilakukan pengelompokan jenis kanker berdasarkan data statistik kanker di Indonesia tahun 2020 menggunakan metode k-means, lalu berdasarkan hasil pengelompokan tersebut dilakukan perhitungan premi murni untuk tiap kelompoknya. Hasil . Berdasarkan hasil pengelompokan menggunakan k-means, diperoleh 5 cluster untuk jenis kanker yang diderita oleh Wanita dan 3 cluster untuk jenis kanker yang diderita oleh pria. Berdasarkan pengelompokan tersebut, dilakukan perhitungan premi murni di tiap kelompoknya. Hasil perhitungan premi murni menunjukkan tidak ada perbedaan yang signifikan dari premi murni di setiap cluster, tetapi terdapat perbedaan besarnya total loss di setiap cluster. Kesimpulan. Berdasarkan penelitian ini dapat disimpulkan bahwa semakin banyak jumlah penderita kanker disuatu cluster atau kelompok maka total loss dalam cluster tersebut akan semakin besar.

Kata kunci : k-means; kanker; premi; asuransi kesehatan