APLIKASI PENDUKUNG UNDERWRITING AKSEPTASI DAN PENERBITAN POLIS PADA AJB BUMIPUTERA 1912 MENGGUNAKAN METODE FUZZY-AHP DAN WEIGHTED PRODUCT MODEL

Prosiding Seminar Nasional Manajemen Teknologi XI Program Studi MMT-ITS, Surabaya 6 Pebruari 2010

APLIKASI PENDUKUNG UNDERWRITING AKSEPTASI DAN PENERBITAN POLIS PADA AJB BUMIPUTERA 1912 MENGGUNAKAN METODE FUZZY-AHP DAN WEIGHTED PRODUCT MODEL Yulian Findawati Universitas Muhammadiyah Sidoarjo Email: [email protected], [email protected]

ABSTRAK Underwriting yaitu aktivitas proses penerbitan polis dimulai dari sejak calon pemegang polis akan menandatangani Surat Permintaan (SP) sampai penerbitan polis dan menyerahkan kepada pemegang polis. Fungsi seleksi sangat dominan, artinya bahwa proses tersebut telah didominasi oleh seleksi baik seleksi lapangan yang meliputi aspek non medis maupun aspek medis. Adapun sasaran underwriter dalam membuat akseptasi dan penerbitan polis harus memenuhi 3 kepentingan yaitu adil bagi nasabah, dapat dijual dan menguntungkan untuk perusahaan. Sehubungan dengan hal di atas, maka dibuat Aplikasi pendukung keputusan untuk membantu AJB Bumiputera 1912 dalam menentukan akseptasi dan penerbitan polis. Dengan adanya sistem diharapkan dapat membantu AJB Bumiputera 1912 khususnya Departemen Pertanggungan untuk meningkatkan kualitas keputusan yang dihasilkan dimana keputusan ini terdiri atas Asuransi diterima (diaksep) standard, Asuransi diterima substandard, Asuransi ditolak (decline), asuransi ditunda (postpone), dan asuransi dipending Metode yang digunakan untuk menentukan penerbitan polis yaitu Metode Fuzzy-AHP (Analytic Hierarchical Process) dan Metode Weighted Product Model kemudian perangkat lunak ini menggunakan PHP dan MySQL sebagai databasenya. Fuzzy-AHP (Analytic Hierarchical Process) digunakan untuk proses analisis terhadap suatu masalah secara berjenjang dan terstruktur. Sedangkan untuk Weighted Process Model digunakan pembobotan kriteria dan dapat digunakan pada keputusan single atau keputusan multidimensional. Kedua metode digunakan secara serial dan paralel.Berdasarkan hasil pengujian tingkat kepuasan user yang disebarkan ke lokasi studi kasus penelitian dengan 6 responden diperoleh rata-rata indeks kepuasan pengguna secara keseluruhan sebesar 75.56%. Kata kunci: Underwriting, Weighted Product Model, Fuzzy AHP (Analytic Hierarchical Process)

PENDAHULUAN Underwriting merupakan seleksi dan penilaian resiko calon pemegang polis dan calon tertanggung untuk mendapatkan polis asuransi. Aktivitas penerbitan polis dimulai dari sejak pemegang polis menandatangani surat permintaan (SP) sampai penerbitan polis dan menyerahkan kepada pemegang polis. Seleksi dan penilaian resiko meliputi aspek non medis maupun aspek medis. Selama ini pengambilan keputusan dilakukan secara manual oleh pihak Bumiputera dengan melihat data calon pemegang polis sehingga memungkinkan terjadi kesalahan dalam pengambilan keputusan yang


akibatnya akan merugikan perusahaan. Sedangkan dalam pengambilan keputusan harus mampu mencapai sasaran dan tujuan yaitu adil bagi nasabah, dapat dijual agen dan menguntungkan bagi perusahaan. Selama ini banyak aplikasi Sistem Pangambilan Keputusan menggunakan metode AHP namun menurut beberapa penelitian, metode AHP memiliki beberapa kekurangan yaitu menggunakan perkiraan skala yang tidak seimbang pada perbandingan berpasangan [Chan, 2003]. Oleh karena itu, beberapa akademik mencoba mengaplikasikan prinsip logika fuzzy dengan perluasan AHP yang disebut dengan metode Fuzzy-Analytic Hierarchy Process untuk memperbaiki kekurangan dari AHP . Dengan referensi tersebut penulis mencoba menggunakan metode Fuzzy-AHP pada penerapan aplikasi pendukung underwriting dan penerbitan polis untuk menghasilkan alternatif keputusan. Dimana Fuzzy-AHP sangat berguna dalam masalah-masalah kompleks yang tidak terstruktur seperti pada seleksi dan penilaian resiko calon pemegang polis. Dengan Fuzzy-AHP, kriteria tersebut didefinisikan dalam struktur hirarki sehingga menjadi lebih sederhana dan dipahami. Metode Fuzzy-AHP digunakan pada penentuan goal keputusan dan pembobotan kriteria pada level induk pada aplikasi yang akan penulis buat. Selain menggunakan Fuzzy-AHP, penulis juga menggunakan metode Weighted Product Model yang digunakan untuk menentukan pembobotan kriteria pada level anak kesehatan serta mempercepat proses perhitungan pada level subkriteria.WPM digunakan untuk mempermudah user untuk memberikan pembobotan terhadap kriteria yang memiliki nilai yang hampir sama dan pada aplikasi pendukung ini WPM akan membantu pada kasus yang hanya memiliki 1 kriteria seperti pada seleksi dan resiko calon pemegang polis, selain itu WPM dapat digunakan untuk pengambilan keputusan single maupun multidimensional. Kedua metode digunakan secara serial dan paralel. Sehubungan dengan hal di atas, maka penulis berupaya untuk membuat aplikasi pendukung keputusan untuk membantu AJB Bumiputera 1912 dalam menentukan underwriting akseptasi dan penerbitan polis. Dengan adanya aplikasi pendukung keputusan diharapkan dapat membantu AJB Bumiputera 1912 khususnya Departemen Pertanggungan untuk meningkatkan kualitas keputusan serta menghasilkan alternatif keputusan dimana keputusan ini terdiri atas Asuransi diterima (diaksep) standard, Asuransi diterima substandard, Asuransi ditolak (decline), asuransi ditunda (postpone), dan asuransi dipending. Alternatif keputusan yang dihasilkan akan menjadi rekomendasi bagi pihak AJB Bumiputera 1912. Tujuan dalam Tugas Akhir ini adalah: 1. Membangun aplikasi pendukung yang mampu memberi pertimbangan keputusan underwriting akseptasi dan penerbitan polis berdasarkan persyaratan yang ada. 2. Menerapkan metode pembobotan Fuzzy-AHP dan Weighted Product Model dalam membangun aplikasi pendukung underwriting akseptasi dan penerbitan polis pada AJB Bumiputera 1912 3. Mengevaluasi alternatif keputusan yang dihasilkan oleh aplikasi pendukung underwriting akseptasi dan penerbitan polis pada AJB Bumiputera 1912. Untuk mendukung kegiatan penelitian, sistem yang akan dibuat memiliki batasan-batasan sebagai berikut: 1. Metode pengambilan keputusan yang digunakan adalah Fuzzy-AHP dan Weighted Product Model yang digunakan secara serial dan paralel. 2. Data yang digunakan sebagai studi kasus adalah data dari AJB Bumiputera 1912 Surabaya

ISBN : 978-979-99735-9-7 C-15-2


3. Hanya menangani asuransi jiwa perorangan. 4. Proses underwriting akseptasi dan penerbitan polis hanya sampai pada tahap seleksi resiko. 5. Persyaratan yang digunakan sebagai pertimbangan dalam mendukung pengambilan keputusan underwriting akseptasi dan penerbitan polis dikelompokkan menjadi 3 kriteria yaitu: a. Seleksi fisik kesehatan b. Seleksi financial c. Pengamatan nilai ekonomis LANDASAN TEORI Metode Fuzzy-AHP (FAHP) Definisi Analytic Hierarchy Process (AHP) telah digunakan secara luas untuk menyelesaikan masalah multicriteria decision-making . Bagaimanapun, seharusnya untuk kesamaran dan ketidakpastian pada pertimbangan pengambilan keputusan, crisp, perbandingan pasangan dengan AHP konvensional tidak dapat mengambil secara akurat pertimbangan pengambilan keputusan (Ayağ, 2005) Pada AHP konvensional, perbandingan pasangan menentukan skala 9 poin dimana mengubah preferensi manusia antara alternatif yang tersedia secara seimbang, moderat, kuat dan lebih disukai.Walaupun skala dari AHP memiliki keuntungan dari kesederhanaan dan penggunaan yang lebih mudah, namun tidak cukup untuk mengambil laporan ketidakpastian yang diasosiasikan dengan pemetaan pada bilangan. Oleh karena itu, logika fuzzy diperkenalkan dengan perbandingan berpasangan sehingga cocok untuk menutupi kekurangan pada AHP traditional. Yang kemudian mengarah pada fuzzy-AHP. Bahasa penaksiran dari perasaan dan pertimbangan manusia adalah tidak jelas dan tidak beralasan untuk merepresentasikannya pada bilangan yang tepat. Untuk memberikan interval keputusan dengan nilai yang tepat pada keputusan lebih dipercaya oleh pembuat keputusan. Triangular fuzzy numbers digunakan untuk memutuskan prioritas dari variabel satu keputusan pada fuzzy-AHP. (Chan and Kumar, 2005) FuzzyAHP adalah alat yang efisien untuk menangani ketidakjelasan data di dalam memutuskan pilihan dari variabel keputusan yang berbeda. Perbandingan direpresentasikan dalam bentuk triangular fuzzy numbers untuk membangun matrix perbandingan berpasangan fuzzy (Ghodsypour and O’Brien, 1998). Pada pendekatan triangular fuzzy numbers digunakan untuk memilih pilihan dari satu kriteria dari yang lain dan kemudian menggunakan metode analisis yang lebih luas, menghitung nilai sintetik luas dari perbandingan berpasangan, Berdasarkan pendekatan ini, bobot vektor dapat diputuskan dan dinormalisasi, kemudian bobot vektor yang telah dinormalisasi akan diputuskan. Prioritas terbesar dapat diberikan pada bobot dengan nilai terbesar. (Chan and Kumar, 2005). Untuk skala perbandingan berpasangan pada fuzzy-AHP sama dengan skala perbadingan berpasangan pada AHP. Algoritma Fuzzy-AHP Penggunaan FAHP, secara orisinil diperkenalkan oleh Chang (1996).

X  x1, x 2 , x 3 ,......., x n  sebagai himpunan objek, dan G  g1, g 2 , g 3 ,......., g n  sebagai

goal himpunan. Berdasarkan metode analisa perluasan Chang, tiap objek diambil dan

ISBN : 978-979-99735-9-7 C-15-3


perluasan analisa untuk tiap goal ditampilkan secara berurutan. Oleh karena itu, m nilai perluasan analisa untuk tiap objek dapat didapatkan, dengan tanda sebagai berikut: M 1gi , M 2 gi ,........M m gi , i  1,2,...., n , j dimana M gi (j = 1, 2, ...,m) adalah TFN. Langkah dari perluasan analisa Chang dapat diberikan sebagai: Langkah 1: Nilai dari perluasan fuzzy sintetik dengan respek pada objek pertama yang didefinisikan: Si 

 n   i 1

m



m



M gij

j 1

M gij

j 1

  

1

(1)

m

Untuk mendapatkan  M gi , menampilkan penjumlahan operasi fuzzy dari nilai j

j 1

perluasan analisa m untuk matrix particular: m m  m  M gij   l j , m j , u j   j 1 j 1  j 1 j 1   m

  n Dan untuk mendapatkan   j 1 gi



(2)

1

m



j

 

M gij

j 1

  , menampilkan operasi penambahan fuzzy dari M 

(j = 1, 2, ...,m) nilai n

m

 M

j gi

i 1 j 1

n n  n    l i , mi , u i  i 1  i 1 i 1 

 



(3)

Dan kemudian menghitung vektor diatas, seperti:  n   i 1

 M gij  j 1  m



1

      

  1 1 1  , n , n  n ui mi l i  i 1 i 1 i 1 







.

(4)

~ ~ Langkah 2: Sebagai M1  (l1, m1, u1 ) dan M 2  (l 2 , m2 , u 2 ) adalah dua triangular fuzzy numbers, derajat yang memungkinkan dari M 2  (l 2 , m2 , u 2 )  M1  (l1, m1, u1 ) didefinisikan sebagai:





 

~ ~ V M 2  M1  sup min  M~ ( x ),  M~ ( y ) y x

1

2



(5)

Dan secara ekuivalen dapat diekspresikan sebagai berikut:





~ ~ ~ ~ V M 2  M1  hgt (M1  M 2 )   M2 (d )

 1, if m  m 2 1   0 , if l1  u 2  l1  u 2  , otherwise  ( m2  u 2 )  ( m1  l1 )

ISBN : 978-979-99735-9-7 C-15-4

(6)

(7)


Langkah 3:

Derajat kemungkinan untuk bilangan fuzzy cembung lebih besar dari k cembung fuzzy Mi (i=1, 2, k) bilangan didefinisikan sebagai:

V(M  M1,M2 ,.....Mk ) VM  M1  and (M  M2 ) and....and (M  Mk )

 min V (M  M i ), i  1,2,3,...., k

(8)

Asumsi adalah d Ai   min V (Si  Sk ) untuk k  1,2,...., n; k  i . Kemudian vektor berat didefinisikan sebagai W   (d ( A1 ), d ( A2 ),......, d ( An ))T

(9) A  ( i  1 , 2 ,... n ) adalah n element. dimana i Kita butuh kedua nilai dari V M1  M 2  dan V M 2  M1  Step 4: Via normalisasi, normalisasikan bobot vektor adalah: W  (d ( A1 ), d ( A2 ),......, d ( An )) T Dimana W adalah bilangan non-fuzzy

(10)

Weighted Product Model (WPM) WPM menggunakan perkalian untuk meranking alternatif. Tiap alternatif dibandingkan dengan yang lainnya dengan mengkalikan bilangan ratio, satu untuk tiap kriteria. Tiap rasio dinaikkan untuk kekuatan dari bobot relative dari kriteria yang cocok. Umumnya, di dalam membandingkan 2 alternatif Ak dan Al, rumus yang digunakan adalah sebagai berikut:

Pada rasio di atas adalah lebih besar dari atau sama dengan satu(pada kasus maximization) kesimpulannya adalah alternatif Ak lebih baik daripada alternatif Al. Dengan jelas, alternatif terbaik A* adalah satu yang lebih baik dari atau paling kurang sama bagusnya dengan alternatif lain. WPM sama halnya dengan WSM. Nilai relatif pada ukuran alternatif pertama pada term dari kriteria j dapat digantikan dengan nilai aktual pada metode ini. Penggabungan Metode Fuzzy-AHP dan WPM pada Aplikasi Pendukung Underwriting dan Akseptasi Calon Pemegang Polis Penggabungan metode Fuzzy-AHP dan WPM memiliki alasan sebagai berikut: 1. Pada kasus Underwriting dan Akseptasi Calon Pemegang polis memiliki kriteria yang kompleks dan tidak terstruktur sehingga dibutuhkan metode Fuzzy-AHP dan WPM merupakan metode decision analytic yang dapat menangani masalah yang tidak terstruktur maupun semi terstruktur. 2. Menggabungkan kelebihan dan mengurangi kekurangan yang dimiliki oleh masingmasing metode. a. Fuzzy-AHP  Kelebihan metode Fuzzy-AHP adalah: Memperbaiki metode AHP sehingga metode Fuzzy-AHP mampu mengatasi nilai antara pada perbandingan nilai berpasangan(2, 4, 6, 8). Selain itu

ISBN : 978-979-99735-9-7 C-15-5


memberikan kemudahan bagi user di dalam menentukan pembobotan karena user hanya memasukkan tingkat kepentingan berdasarkan perbandingan berpasangan.  Kelemahan metode Fuzzy-AHP adalah: Penggunaan metode Fuzzy-AHP membutuhkan waktu yang lama karena banyak membutuhkan interaksi user untuk menginputkan untuk menginputkan nilai perbandingan barpasangan. Selain itu apabila ada 2 kriteria yang memiliki nilai hampir sama jika menggunakan Fuzzy-AHP akan menghasilkan nilai 0 dan 1. b. WPM  Kelebihan metode WPM adalah: Untuk memberikan kemudahan pembobotan terhadap kriteria yang memiliki nilai yang hampir sama serta dapat digunakan untuk keputusan single atau keputusan multidimensional  Kelemahan metode WPM adalah: Apabila user menginputkan bobot lansung dengan nilai 0 maka otomatis hasil goal dari keputusan akan bernilai 0 sehingga nilai-nilai kriteria yang lain tidak berpengaruh. Teknik penggabungan metode Fuzzy-AHP dan WPM Sistem ini terdiri dari pembobotan global dan pembobotan lokal. Tahap pembobotan pada kriteria induk menggunakan pembobotan fuzzy-AHP sedangkan Tahap pembobotan pada subkriteria dari financial dan ekonomis diproses dengan pembobotan Fuzzy-AHP sedangkan untuk subkriteria dari kesehatan pembobotan globalnya menggunakan metode WPM, sementara tahap pembobotan lokal untuk setiap kriteria menggunakan juga metode WPM. Setelah didapatkan bobot masing-masing dari kriteria level atas maupun kriteria level di bawahnya maka dilakukan perhitungan hasil pembobotan dengan menggunakan metode fuzzy-AHP pada kriteria non medis sedangkan pada kriteria medis menggunakan metode WPM. Pembobotan untuk setiap kriteria dan subkriteria non medis beserta indikatornya ditentukan oleh tim pengambil keputusan sedangkan untuk kriteria dan subkriteria medis beserta indikatornya ditentukan oleh tim kesehatan yang telah ditunjuk oleh pihak AJB Bumiputera 1912. Teknik penggabungan metode tersebut digunakan secara serial dan paralel. ANALISIS DAN PERANCANGAN Deskripsi Sistem Baru Aplikasi yang dibangun pada Tugas Akhir ini adalah aplikasi pendukung untuk membantu departemen pertanggungan di dalam memberikan alternatif keputusan underwriting akseptasi dan penerbitan polis pada AJB Bumiputera 1912. Dimana alternatif keputusan tersebut dapat dijadikan bahan pertimbangan bagi departemen Pertanggungan dalam mengambil keputusan underwriting akseptasi dan penerbitan polis. Aplikasi ini juga menyediakan fasilitas pengubahan status calon pemegang polis yang ditangani, pembobotan nilai kriteria, pengambilan keputusan dan memberikan nilai pada calon pemegang polis tersebut serta mengklasifikasikannya.

ISBN : 978-979-99735-9-7 C-15-6


Analisis Pengguna Dalam SPPK PDB ini terdapat tiga jenis pengguna, yaitu: 1. Admin Keputusan. 2. Admin Medis

Gambar 1 Diagram Konteks

Gambar 2 Diagram Entitas Relasional

IMPLEMENTASI DAN PENGUJIAN Implementasi Implementasi basis model dilakukan dengan menggunakan masukan –masukan dari user, kemudian dimodelkan dengan metode Fuzzy-AHP dan WPM yang melibatkan modul-modul dengan file menggunakan script PHP. Pengujian Pengujian SPPK dilakukan dengan target pengujian yaitu menghasilkan SPPK yang sesuai dengan tujuan Tugas Akhir ini, yaitu membantu tim Departemen Pertanggungan untuk seleksi underwriting terhadap calon pemegang polis. Metode yang dilakukan dalam pengujian meliputi empat hal, yaitu pengujian fungsionalitas, pengujian hasil perhitungan manual dengan perhitungan SPPK , pengujian hasil perhitungan sistem terhadap sistem lama, pengujian oleh pengguna ahli.

ISBN : 978-979-99735-9-7 C-15-7


Pengujian metode pada kasus I menghasilkan hasil sebagai berikut: No

Nama

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

A B C D E F G H I J K L M N O

Keputusan AJB Bumiputera 1912 Diterima standard Diterima standard Diterima Standard Ditolak Ditolak Ditolak* Ditolak* Diterima Standard Diterima Substandard Diterima standard Diterima Substandard Diterima standard Diterima standard Diterima substandard Diterima substandard

Alternatif Keputusan Aplikasi Diterima standard Diterima standard Diterima standard Diterima substandard Diterima Substandard Ditolak* Ditolak* Diterima Standard Diterima substandard Diterima standard Diterima substandard Diterima standard Diterima standard Diterima standard Diterima Substandard

Bobot Kesehatan 0.426401432711 0.492365963918 0.241369347632 0.241369347632 0.250999404262 0.226315994073 0.199824979589 0.426401432711 0.252706827809 0.426401432711 0.269685767311 0.492365963918 0.492365963918 0.492365963918 0.461317582762

Bobot Final

Kesesuaian

0.281272309178 0.390421969953 0.324007351914 0.132837392983 0.129380449577 0.366742394648 0.176185356991 0.324007351914 0.182280360915 0.390421969953 0.347686927219 0.262216841748 0.336541354496

Sesuai Sesuai Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Sesuai

Bobot Final

Kesesuaian

0.295331687295 0.307169277162 0.295331687295 0.0997458882821 0.0980177374307 0.295331687295 0.154755367912 0.295331687295 0.321911531817 0.307169277162 0.361872353042 0.143060049519 0.356300601141

Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai

Pengujian metode pada kasus II menghasilkan hasil sebagai berikut: No

Nama

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

A B C D E F G H I J K L M N O

Keputusan AJB Bumiputera 1912 Diterima standard Diterima standard Diterima Standard Ditolak Ditolak Ditolak* Ditolak* Diterima Standard Diterima Substandard Diterima standard Diterima Substandard Diterima standard Diterima standard Diterima substandard Diterima substandard

Alternatif Keputusan Aplikasi Diterima standard Diterima standard Diterima standard Diterima substandard Diterima Substandard Ditolak* Ditolak* Diterima Standard Diterima substandard Diterima standard Diterima substandard Diterima standard Diterima standard Diterima standard Diterima Substandard

Bobot Kesehatan 0.426401432711 0.492365963918 0.241369347632 0.241369347632 0.250999404262 0.226315994073 0.199824979589 0.426401432711 0.252706827809 0.426401432711 0.269685767311 0.492365963918 0.492365963918 0.492365963918 0.461317582762

Berdasarkan analisa kepentingan dari hasil pengujian kasus I dan II, pembobotan financial dari dua kasus tersebut sama-sama memiliki pembobotan yang lebih tinggi namun pada kasus I ditemukan kasus yang tidak sesuai sehingga penulis mencoba untuk memberikan tingkat kepentingan yang lebih tinggi pada kriteria financial sehingga menghasilkan pembobotan yang lebih tinggi daripada kriteria kesehatan. Dengan pembobotan kesehatan yang lebih tinggi(0.820546138212) daripada kesehatan(0.179453861788) maka terdapat kesesuaian alternatif keputusan aplikasi dan alternatif keputusan Bumiputera. Dari hasil pengujian kasus I dan kasus II maka dapat disimpulkan Pembobotan Fuzzy-AHP dipengaruhi oleh tingkat kepentingan sedangkan pembobotan WPM dipengaruhi oleh pembobotan secara lansung berdasarkan urutan tingkat kepentingan. Sedangkan untuk Kesesuaian alternatif maka perlu diadakan analisis yang lebih mendalam dengan uji coba kasus untuk mendapatkan bobot yang optimum. Dari hasil pengujian kasus II didapatkan bobot yang optimum yaitu financial 0.820546138212, kesehatan dan ekonomis 0.

ISBN : 978-979-99735-9-7 C-15-8


KESIMPULAN 1. Aplikasi Pendukung Underwriting Akseptasi dan Penerbitan Polis pada AJB Bumiputera 1912 menggunakan metode Fuzzy-AHP dan Weighted Product Model ini dapat digunakan oleh bagian Departemen pertanggungan AJB Bumipueta 1912 sebagai alat bantu dalam Seleksi Underwriting Akseptasi dan penerbitan Polis karena dapat memberikan informasi dalam penentuan underwriting akseptasi calon pemegang polis berdasarkan kriteria-kriteria yang ada. Dimana alternatif keputusan yang dihasilkan sebagai rekomendasi bagi Departemen pertanggungan AJB Bumipueta 1912 2. Dari hasil pengujian diperoleh hasil sebagai berikut: Dengan adanya hasil pengujian kasus I dan II didapatkan kesimpulan bahwa hasil alternatif keputusan final dipengaruhi oleh pembobotan fuzzy-AHP. Dimana pembobotan ini dipengaruhi oleh tingkat kepentingan antar tiap kriteria yang memiliki tingkat kepentingan paling tinggi. Pembobotan WPM dipengaruhi oleh urutan tingkat kepentingan berdasarkan masukan bobot. Untuk mendapatkan bobot yang optimum pada kasus underwriting calon pemegang polis maka kriteria financial memiliki bobot yang paling tinggi dengan cara memaksimalkan masukan tingkat kepentingan kriteria financial dibandingkan kriteria yang lain. DAFTAR PUSTAKA AJB Bumiputera 1912, 2002, Pengantar Manajemen Underwriting Asuransi Jiwa: Departemen Pertanggungan, Asuransi Jiwa 1912, Jakarta[10] Dermawan, Rizky, S.E.,M.M 2005. Model Kuantitatif Pengambilan Keputusan Dan Perencanaan Strategis. Bandung: Alfabeta[11] Ertugrul, irfan and Karakasoglu, Nilsen the fuzzy Analytic Hirearchy Process for Supplier Selection and An Application in A Textile Company: Pamukkale University, Faculty of economics and Administrative Science, Denizli, Turkey[6] Hague, Paul, 1995, Questionaire Design, Kogan Page Limited[16] Ismail, Hossam, Dr. 22 Mei 2005. Operations Modelling and Simulation Presentation10[12] Janko, Wolfgang, Prof., Dr dan Bernroider, Edward, Dr., 2005, Multi-Criteria Decision Making An Application Studi of ELECTRE & TOPSIS. http://www.ai.wuwien.ac.at/=bernroid/lehre/seminare/ws04/.[15] Kusumadewi, Sri, 2003. Artificial Intelligence (Teknik dan Aplikasinya): Bandung, Penerbit Graha Ilmu[13] Kubat, cemalettin. And Baris,Yuce, Supplier selection with Genetic Algorithm dan Fuzzy AHP : Departement of Industrial Engineering, Sakarya University, Sakarya, Turkey[5] Mikhailov, L and Tsvetinov, 2004 Evaluation Of Services Using A Fuzzy Analytic Hierarchy Process: Computation Department, University of Manchester, Manchester[9] Naumann, Felix, Data Fusion and Data Quality: Humboldt-university, Unter den Linden, Berlin, Germany[7]

ISBN : 978-979-99735-9-7 C-15-9


Saaty, Thomas L., 1993, Pengambilan Keputusan Bagi Para Pemimpin : Proses Hirarki Analitik Untuk Pengambilan Keputusan Dalam Situasi Yang Kompleks, Cetakan ke-2, Penerbit PT. Pustaka Binaman Pressindo, Jakarta[14] Suryadi, Kadarsah, Dr.,Ir dan Ramdhani, Ali, Ir.,M.T. 2000. Sistem Pendukung Keputusan. Bandung : PT Remaja Rosdakarya[1] Triantaphyllou, Evangelos., 2002 Multicriteria Decision Making: Theory and Application :Baton Rouge, LA, USA[2] Triantaphyllou, Evangelos. And Tun Lin, Chi, 2002 Development and Evaluation of five Fuzzy Multiattribute Decision making Methods :Baton Rouge, LA, USA[3] Triantaphyllou, Evangelos. And Tun Lin, Chi, 2002 A Sensitivity Analysis Approach for some Deterministic Multi-criteria decision making methods: Baton Rouge, LA, USA[4] Turban, Efraim and Aronson, Jay E, 2001. Decision Support Systems and Intelligent Systems. Narasimha Bolloju: Prentice Hall International[17] Wang, wei. And Fenton, Norman, Risk and Confidence for Fuzzy Multicriteria Decision Making : Departement computer Science, Queem Mary University of London, Mile End road, London[8]

ISBN : 978-979-99735-9-7 C-15-10

APLIKASI PENDUKUNG UNDERWRITING AKSEPTASI DAN PENERBITAN POLIS PADA AJB BUMIPUTERA 1912 MENGGUNAKAN METODE FUZZY-AHP DAN WEIGHTED PRODUCT MODEL

Recommend Documents