Analisis Performa Model Random Forest Regression Pada Kasus Asuransi Kesehatan

Abstract

Penelitian ini bertujuan untuk membangun model prediksi biaya kesehatan menggunakan pen- dekatan regresi menggunakan Random Forest Regression. Model dikembangkan dengan mengeval- uasi berbagai kombinasi nilai random state dan test size guna menilai kestabilan dan performa model secara menyeluruh. Evaluasi dilakukan menggunakan empat metrik utama, yaitu Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), R-squared (R²), dan Mean Absolute Percentage Error (MAPE). Model terbaik diperoleh pada test size sebesar 0,1, dengan hasil MAE sebesar 2107,14; RMSE sebesar 3609,11; R² sebesar 0,9012; dan MAPE sebesar 21,93%. Hasil ini menunjukkan bahwa model memiliki tingkat akurasi yang baik dalam memprediksi biaya asuransi kesehatan. Se- bagai pembanding, hasil penelitian ini dikomparasikan dengan studi sebelumnya juga yang menggunakan model Random Forest Regression yang hasilnya berupa MAE sebesar 2784,44 dan R² sebesar 0,81596. Perbandingan tersebut memperlihatkan bahwa model dalam penelitian ini memiliki performa yang lebih baik, dengan kesalahan prediksi lebih rendah dan nilai akurasi lebih tinggi. Penelitian ini membuktikan bahwa pemilihan parameter dan variasi random state berpengaruh signifikan terhadap performa model regresi dalam prediksi biaya asuransi.