View/Open

Author
YOHANES, DE SILENTIO NATAL PARDAMEAN NAPITUPULU

Date Published
26 Jun 2026

Advisor
Tiara Yulita, S.Pd., M.Sc.,
Nanda Azzanina, S.Pd., M.Sc.,

Subject
Aktuaria

Publisher

Besar klaim pada Fasilitas Kesehatan Rujukan Tingkat Lanjutan (FKRTL) BPJS Kesehatan memiliki variasi yang tinggi sehingga memerlukan pemodelan prediktif yang akurat untuk mendukung pengelolaan pembiayaan kesehatan secara efisien. Penelitian ini bertujuan menganalisis dan membandingkan kinerja model prediksi besar klaim FKRTL BPJS Kesehatan Indonesia menggunakan algoritma Random Forest Regression dan XGBoost Regression. Sebanyak 1.257.751 data klaim dimodelkan secara terpisah untuk layanan rawat jalan tingkat lanjutan (RJTL) dan rawat inap tingkat lanjutan (RITL) dengan pembagian data train dan data test 80:20 serta optimasi hyperparameter menggunakan Bayesian Optimization. Evaluasi model menggunakan Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE) menunjukkan bahwa pada data RJTL, Random Forest Regression lebih unggul dengan MAE Rp101.797,95 dan MAPE 24,1377%, sedangkan pada data RITL, XGBoost Regression lebih unggul dengan MAE Rp2.147.718 dan MAPE 37,53546%. Perbedaan performa ini mencerminkan bahwa karakteristik data sangat memengaruhi keunggulan masing-masing algoritma.

URI
https://repo.itera.ac.id/depan/submission/SB2606280021

Keyword
Bayesian Optimization BPJS Kesehatan FKRTL Random Forest Regression XGBoost Regression