Hasil Pencarian  ::  Simpan CSV :: Kembali

"Asuransi kendaraan bermotor diperlukan untuk perlindungan dari risiko kerugian finansialakibat kerusakan, kecelakaan, ataupun pencurian kendaraan. Dalam industri asuransikendaraan bermotor, terdapat sistem penentuan besar net premi untuk pemegang polis yangdikenal dengan sistem bonus malus. Sistem ini merupakan sistem experience rating yangartinya dalam melakukan penentuan besar net premi, akan dilihat sejarah klaim yang dilakukanoleh pemegang polis. Bonus merupakan penurunan premi apabila seorang pemegang polistidak mengajukan klaim sama sekali dalam satu periode dan malus merupakan kenaikan premiapabila seorang pemegang polis mengajukan satu atau lebih klaim. Pada tugas akhir ini,dilakukan pemodelan frekuensi klaim asuransi kendaraan bermotor dengan model binomialnegatif, Good Risk/Bad Risk, dan Poisson-Inverse Gaussian. Parameter masing-masing modelditaksir menggunakan metode momen. Selanjutnya, dilakukan penentuan besar net premi yangharus dibayarkan pemegang polis berdasarkan model-model yang telah dibentuk. Seleksimodel dilakukan dengan menggunakan chi-square goodness of fit test. Penentuan besar netpremi dilakukan dengan metode expected value principle, dimana premi dihitung denganekspektasi posterior dari model. Hasil aplikasi pada data menunjukan bahwa model yangberbeda menghasilkan besar premi yang berbeda pula dan semakin besar frekuensi klaim yangdilakukan oleh seorang pemegang polis di masa lampau, maka semakin besar pula premi yangharus dibayarkan oleh pemegang polis.

---

Automobile insurance is needed to protect policyholder against the risk of financial loss due to

damage, accidents or vehicle theft. In automobile insurance industry, there is a system to

determine the amount of net premiums for policyholders known as the bonus malus system

(BMS). This system is an experience rating system, which means the amount of the net

premium depends on policyholder's claim history. Bonus is a decrease in premium if a

policyholder does not initiate any claim at all, in one period and malus is an increase in

premium if a policyholder initiates one or more claims. In this final project, the frequency of

automobile insurance claims was modelled with a negative binomial, Good Risk/Bad Risk, and

Poisson-Inverse Gaussian models. The parameters of each model are estimated using the

moment method. Model selection is carried out using the chi-square goodness of fit test.

Furthermore, the amount of net premium to be paid by policyholders is determined based on

the models that have been established. Determination of the amount of net premium is carried

out using the expected value principle method, where the premium is calculated based on the

posterior expectation. The data application results show that different models produce different

premiums and the greater the frequency of claims initiated by policyholders in the past, the

greater the premium that must be paid by policyholders."

"Sistem bonus malus adalah salah satu sistem yang ditawarkan oleh perusahaan asuransi kendaraan bermotor dalam penentuan premi berdasarkan sejarah klaim. Sistem bonus malus pada awalnya hanya didasari oleh frekuensi klaim. Namun ini akan tidak adil karena setiap pemegang polis mengalami kerugian yang berbeda-beda. Maka untuk mengatasi hal tersebut penentuan premi sistem bonus malus sebaiknya tidak hanya mempertimbangkan frekuensi klaim tetapi juga severitas klaim. Pada penelitian ini akan dibahas penentuan net premi sistem bonus malus berdasarkan frekuensi klaim dan severitas klaim. Frekuensi klaim menggunakan campuran distribusi Poisson Lindley sedangkan severitas klaim menggunakan campuran distribusi lognormal gamma. Pada penelitian ini juga diasumsikan bahwa frekuensi klaim dan severitas klaim independen. Parameter dari distribusi frekuensi klaim dan severitas klaim diestimasi dengan menggunakan metode maximum likelihood estimator (MLE). Selanjutnya metode Bayesian digunakan untuk penentuan net premi yang dibayarkan pemegang polis yaitu berdasarkan perkalian ekspektasi posterior severitas klaim dan frekuensi klaim. Hasil aplikasi pada data menunjukkan bahwa besar premi yang dibayarkan pemegang polis berbanding lurus dengan severitas klaim dan frekuensi klaim yang artinya semakin besar frekuensi klaim dan semakin besar klaim yang diajukan maka semakin besar pula premi yang dibayarkan.

---

The bonus malus system is one of the systems offered by motor vehicle insurance companies in determining premiums based on claim history. The malus bonus system was initially only based on the claim frequency. However, this would be unfair because each policyholder experiences different losses. So to overcome this, the determination of the bonus of the malus bonus system should not only consider the claim frequency but also the claim severity. In this study, we will discuss the determination of the net premium for the bonus malus system based on the claim frequency and the claim severity . The claim frequency use a mixed Poisson Lindley distribution and the claim severity use a mixture of lognormal gamma distribution. In this study, it is also assumed claim frequency and claim severity are independent. The parameters of claim frequency and claim severity are estimated using the maximum likelihood estimator (MLE). Furthermore, the amount of net premium to be paid by policyholders is determined based on he product of the posterior expectation of claim frequency and claim severity. The data application results show that the premium that must be paid by policyholders is directly proportional to the claim frequency and claim severity, which means that the greater the claim frequency and the greater the claim severity submitted, the greater the premium paid."

"Perusahaan asuransi kendaraan di banyak negara menggunakan Sistem Bonus-Malus untuk menentukan net premi yang dikenakan kepada pemegang polis. Penentuan net premi pada Sistem Bonus-Malus hanya didasarkan pada frekuensi klaim dan mengabaikan severity klaim. Hal ini tidak adil bagi pemegang polis yang memiliki klaim kecil. Untuk mengatasi masalah tersebut, dikembangkan metode penentuan net premi pada Sistem Bonus-Malus yang mempertimbangkan frekuensi dan severity klaim. Frekuensi dan severity dapat diasumsikan independen atau dependen. Dalam menentukan net premi, dibutuhkan distribusi posterior dari parameter distribusi frekuensi dan severity. Pada kasus frekuensi dan severity independen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan secara terpisah sedangkan pada kasus frekuensi dan severity dependen, penentuan distribusi posterior untuk frekuensi dan severity dilakukan dengan menggunakan distribusi bersama dari frekuensi dan severity. Skripsi ini membahas penentuan net premi yang didasarkan pada distribusi frekuensi dan distribusi severity baik untuk frekuensi dan severity independen maupun dependen.

---

Vehicle insurance companies in many countries use the Bonus Malus System to determine the policyholder 39 s net premium. The determination of net premiums on the Bonus Malus System is based solely on the frequency of claims and ignores the severity of claims. This is unfair to policyholders who have small claims. To overcome this problem, the net premium determination method in Bonus Malus System was developed taking into account the frequency and severity of claims. Frequency and severity can be assumed to be independent or dependent. In determining the net premium, a posterior distribution of parameters of the frequency and severity distribution is required. In the case of frequency and severity independent, the determination of the posterior distribution for frequency and severity is performed separately whereas in the case of frequency and severity dependent, the determination of posterior distribution for frequency and severity is done by using the joint distribution of frequency and severity. This thesis discuss the determination of net premium based on frequency distribution and severity distribution for both frequency and severity independent and dependent. "

"Tugas dari seorang aktuaris untuk asuransi kendaraan bermotor adalah menentukan tarif yang adil bagi para pemegang polis. Salah satu metode penentuan tarif atau premi dalam asuransi kendaraan bermotor adalah dengan sistem bonus-malus. Besar tarif atau premi disesuaikan setiap tahunnya dengan mempertimbangkan jumlah klaim yang telah diajukan dan level sistem bonus-malus dari pemegang polis pada tahun sebelumnya atau dikenal sebagai experience rating. Besar premi tersebut disesuaikan dengan menghitung relativitas premi, yakni koefisien penyesuaian premi dari premi dasar pemegang polis yang berpindah level pada sistem bonus-malus. Pada sistem bonus-malus tradisional, terdapat dua permasalahan yang kerap ditemui, yakni tidak diperhitungkannya besar klaim dan adanya peluang bagi pemegang polis untuk meninggalkan polis asuransi setelah mengajukan klaim. Hal ini menyebabkan adanya ketidakadilan antar pemegang polis yang melakukan klaim dengan besaran yang rendah dan tinggi karena diberikan penalti kenaikan premi (malus) yang sama. Oleh karena itu, tugas akhir ini mengeliminasi kedua kekurangan sistem bonus malus dengan mempertimbangkan jumlah klaim, besar klaim yang dikategorikan ke dalam berbagai tipe klaim, dan memberlakukan deductible yang bervariasi pada level-level zona malus pada sistem bonus-malus. Rantai Markov digunakan dalam aturan transisi mengenai mekanisme perpindahan level para pemegang polis yang memengaruhi perhitungan besar preminya. Kemudian penelitian ini menganalisis pengaruh dari penerapan deductible bervariasi yang bergantung pada tipe klaim terhadap besar premi untuk berbagai level dalam sistem bonus-malus yang telah dimodifikasi. Hasil analisis menunjukkan bahwa dengan menggunakan sistem bonus-malus yang telah dimodifikasi tersebut dapat menghasilkan besar premi antar level yang lebih seimbang, khususnya untuk level zona malus, namun tetap tidak merugikan para pemegang polis pada level zona bonus sehingga lebih menarik dibandingkan sistem bonus-malus tradisional.

---

Primary job of an actuary for automobile insurance is to determine a tariff structure that are fair among all policyholders. One of the methods that can be used to determine the tariff structure of an automobile insurance is with the bonus-malus system. The tariff or premium would be adjusted annually by taking the number of claims that were submitted by the policyholders in the previous year into the consideration, or known as experience rating. The amount of premium would be adjusted by calculating the premium relativity, which is the premium adjustment coefficient of the basic premium of the policyholders who change their level in the bonus-malus system. In the traditional bonus-malus system, there are two problems that are commonly occurred, which are not taking the amount of claim into the consideration in the system, and there is a possibility that policyholders may leave their insurance policy after claiming the benefit of the automobile insurance. These problems may lead into an unfair bonus-malus system between the policyholders as they would be given a same premium increment penalty (malus), no matter the amount of claims were reported. Thus, this last assignment would eliminate both problems of the bonus-malus system by considering the amount of claim into the system, and propose varying deductibles to be implemented for some levels of the malus zone in the system. Markov chain is used as the transition rule regarding the policyholders’ level movement mechanism, which affects the calculation of the amount of the premium. This study would also analyze the effect of implementing varying deductibles that are depended on the type of the claim towards the amount of premium for some levels in the modified bonus-malus system. The results of the analysis show that by using the modified bonus-malus system could produce a more balanced amount of premium among level that are in the malus zone and does not give an unfair treatment for policyholders that are in the bonus zone. Hence, this bonus-malus system is more attractive that the traditional bonus-malus system"

"Latar Belakang: Komplikasi pascaoperasi rentan terjadi pada populasi berisiko tinggi salah satunya adalah populasi yang menjalani operasi mayor. Infeksi daerah operasi (IDO) adalah salah satu komplikasi pascaoperasi yang sering ditemukan pada prosedur laparotomi. Pasien yang menjalani operasi akan mengalami respons stres pascaoperasi berupa peningkatan proses inflamasi yang berdampak pada peningkatan proteolisis protein otot. Sangat penting memerhatikan asupan protein praoperasi untuk meningkatkan cadangan protein otot, mendukung penyembuhan luka pascaoperasi dan imunitas. Penelitian terdahulu menjelaskan bahwa peningkatan asupan protein praoperasi sebesar 10% (> 1,2 g/kg BB/hari) dari kebutuhan dapat mengurangi risiko komplikasi (infeksi, non-infeksi dan dekubitus) sebesar 10%.Metode: Studi kohort prospektif dilakukan pada 93 pasien dengan kelompok cukup protein sebanyak 48 subjek dan kelompok tidak cukup protein sebanyak 45 subjek yang akan menjalani laparotomi elektif di RSUPN Dr. Cipto Mangunkusumo, Jakarta. Analisis kecukupan protein dilakukan dengan metode wawancara selama 7 hari praoperasi. Pemantauan pasien dilakukan selama 30 hari pascaoperasi untuk menilai adanya komplikasi berupa IDO. Analisis hubungan keduanya dilakuan menggunakan uji Chi-Square dan dilakukan analisis multivariat untuk menilai faktor-faktor yang paling berhubungan dengan kejadian IDO pascalaparotomi elektif.Hasil: Terdapat hubungan antara kecukupan protein praoperasi dengan kejadian infeksi daerah operasi pascalaparotomi elektif (RR 3,413; IK 95%, 1,363-8,549; p = 0,004). Hasil analisis multivariat menunjukan kecukupan protein praoperasi dan kadar albumin praoperasi berhubungan kuat untuk memprediksi terjadinya infeksi daerah operasi pascalaparotomi elektif.Kesimpulan: Kecukupan protein dan kadar albumin praoperasi dapat memprediksi kejadian infeksi daerah operasi pascalaparotomi elektif.

---

Background: Postoperative complications are prone to occur in high-risk populations, one of which is the population undergoing major surgery. Surgical site infection (SSI) is one of the most common postoperative complications in laparotomy procedures. Patients who undergo surgery will experience a postoperative stress response in the form of an increase in the inflammatory process which results in an increase in muscle protein proteolysis. It is very important to focus on preoperative protein intake to increase muscle protein reserves, support postoperative wound healing and immunity. Previous research explained that the increment of preoperative protein by 10% (> 1.2 g/kg BW/day) can reduce the risk of complications (infectious, non-infectious and decubitus) by 10%.

Methods: A prospective cohort study was conducted on 93 patients with sufficient protein group of 48 subjects and protein insufficient group of 45 subjects undergoing elective laparotomy at Dr. Cipto Mangunkusumo Hospital, Jakarta. Analysis of protein adequacy was carried out by interview method for 7 days preoperatively. Patient monitoring was carried out for 30 days postoperatively to assess complications in the form of SSI. Analysis of association between protein adequacy and SSI was carried out by using the Chi-Square test and multivariate analysis was performed to assess the most associated factors with post elective laparotomy SSI.

Results: There is a association between preoperative protein adequacy and the incidence of post elective laparotomy SSI (RR 3,413; 95% CI, 1,363-8,549; p = 0,004). The multivariate analysis showed that preoperative protein adequacy and preoperative albumin levels were strongly related to predict the occurrence of post elective laparotomy SSI.

Conclusion: Preoperative protein adequacy and albumin levels were strongly related to predict post elective laparotomy SSI."

"Asuransi kendaraan bermotor diperlukan untuk mengantisipasi berbagai risiko kerugian yang mungkin timbul dari kepemilikan dan/ atau penggunaan kendaraan. Umumnya dalam perhitungan premi asuransi kendaraan, digunakan faktor – faktor yang teramati dari tertanggung, contohnya domisili, jenis kelamin, dan usia tertanggung. Akan tetapi, faktor – faktor tidak teramati, seperti kemampuan dan perilaku berkendara dari tertanggung berpengaruh penting dalam frekuensi klaim yang dihasilkan. Sehingga, digunakan riwayat klaim tertanggung yang diekspektasikan menampung pengaruh dari faktor tidak teramati. Sistem penentuan besar premi yang turut melibatkan faktor tertanggung yang tidak teramati disebut sebagai sistem Bonus Malus. Bonus merupakan penurunan premi apabila seorang tertanggung tidak mengajukan klaim sama sekali dalam satu periode dan Malus merupakan kenaikan premi apabila seorang tertanggung mengajukan satu atau lebih klaim. Pada tugas akhir ini, dilakukan perhitungan relativitas optimal atau koefisien penyesuaian premi pada sistem Bonus Malus -1/Top Scale dan -1/+2. Sistem -1/Top Scale memberlakukan penurunan sebanyak satu level jika tidak ada klaim yang dilaporkan dan perpindahan tertanggung ke level tertinggi jika ada klaim, sedangkan sistem -1/+2 menerapkan perpindahan sebanyak dua level ke atas jika terdapat klaim dan penurunan satu level ke bawah jika tidak ada klaim yang dilaporkan. Simulasi perhitungan diterapkan pada sebuah portofolio data asuransi kendaraan negara Perancis yang melibatkan 328760 polis. Diperoleh bahwa selisih relativitas optimal atau koefisien penyesuaian premi untuk setiap level pada sistem -1/+2 tidak sebesar sistem -1/+Top Scale.

---

Automobile insurance is required to protect policyholders from financial loss caused by car damage, accidents, or theft. In general, observable characteristics such as residence, gender, and the insured's age are considered in the process of determining motor insurance premiums. However, several unobservable characteristics, like as driver competence and behavior, have a significant impact on claim frequency. As a result, the insured's claim history is used and expected to account for the impact of unobservable circumstances. The Bonus Malus methodology is a method of assessing the amount of the premium that also includes the insured factors that are not able to be observed. Bonus is a decrease in premium if the insured generates no claims in a particular period of time, whereas a Malus is an increase in premium if the insured has one or more claims. The final project focuses on the determination of appropriate relativity or premium adjustment coefficients for the Bonus Malus -1/Top Scale dan -1/+2 systems. -1/Top Scale system applies a one-level drop if no claims are reported and a switch to the highest level if there is one or more claims reported, while the -1/+2 system applies a two-levels increase if there is a claim and a decrease a one-level decrease if no claims are reported. The simulation is applied to a French national auto insurance data portfolio involving 328760 policies. It is discovered that the difference in the optimal relativity or premium adjustment coefficient for each level in the -1/+2 system is not as large as the -1/Top Scale system."

"Telah dilakukan penelitian mengenai pola pewarisan warna bunga Zinnia elegans pada kelompok white dan red purple. Penelitian bertujuan untuk mengetahui warna bunga Z. elegans yang muncul dari parental berwarna putih (white group) dan pink keunguan (red purple group), sekaligus mengetahui pola pewarisan warna bunga Z. elegans yang tumbuh di alam. Penelitian dilakukan selama ±6 bulan dari bulan Januari sampai Juni 2020 menggunakan lima bunga, terdiri atas 2 set dari kelompok white (F0) dan 2set dari kelompok red purple (F0), dan 1 set dari kelompok red purple (F1) yang dijadikan sebagai parental. Hasil penelitian menunjukkan bahwa sifat warna bunga dari masing-masing parental diturunkan pada keturunannya. Warna baru dihasilkan dari set 1 kelompok white red purple. Warna bunga pada Zinnia elegans dapat dikelompokkan menjadi kelompok red, red purple, orange, yellow, dan white. Berdasarkan daftar warna (colour chart), masing-masing kelompok warna bunga memiliki intensitas warna yang beragam. Warna bunga yang dihasilkan dari kelompok pink keunguan lebih beragam daripada kelompok putih. Berdasarkan perhitungan chi-square, sebagian besar pola pewarisan Z. elegans yang dibiarkan tumbuh di alam mengikuti pola pewarisan dengan Z. elegans yang disilangkan oleh manusia, dan memiliki pola pewarisan yang berbeda dengan Z. elegans yang telah dimutasi.

---

Research on the inheritance pattern of Zinnia elegans from white and red-purple groups has been carried out. This research studies the color of Z. elegans flowers produced from white and red-purple flowers, while knowing the inheritance pattern of Z. elegans flowers in nature. This research was conducted for about six months from January to June 2020 and used four flowers, consisting of 2 sets of white groups (F0), two sets of red-purple groups (F0), and one set of red-purple groups (F1) to be used as parental. The results show the color nature of each parent produced in their generation. New colors are produced from set 1 of the white and red-purple group. The color of flowers in Z. elegans can be grouped into red, red-purple, orange, yellow, and white. Based on the color chart, each flower color group has a variety of color intensities. The color of the flowers produced from the red-purple group is more diverse than the white group. Based on the Chi-square calculation, most of the inheritance patterns of Z. elegans that are allowed to grow in nature follow the pattern resulting from crossing by humans and have different inheritance patterns from Z. elegansobtained from mutation."

"Pada skripsi ini akan dibahas Sistem Bonus-Malus dalam asuransi kendaraan bermotor. Sistem Bonus-Malus didasarkan pada distribusi dari banyak kecelakaan kendaraan bermotor. Distribusi poisson digunakan untuk mendeskripsikan banyak kecelakaan. Parameter ? dari distribusi poisson dianggap suatu variabel random berdistribusi gamma. Pdf posterior ? diberikan sejarah kecelakaan selama t periode ialah gamma. Estimasi terbaik untuk ekspektasi banyak kecelakaan pada periode t+1 dari seorang pemegang polis diberikan sejarah banyak kecelakaan selama t periode dapat ditentukan dengan estimasi titik bayesian. Berdasarkan prinsip premi bersih, besar premi yang dikenakan sebanding dengan estimator tersebut. Dengan Sistem Bonus-Malus yang optimal dapat ditentukan premi pada saat t+1. "

"ABSTRACTPerusahaan asuransi berperan penting memberikan proteksi terhadap segala kemungkinan kerugian bagi para nasabah pemilik kendaraan bermotor. Dalam asuransi kendaraan bermotor, terdapat sebuah sistem yang bernama no-claim bonus yang memberikan bonus pada kontrak berikutnya jika nasabah tidak melakukan claim selama kontrak berlangsung. Akibatnya, timbul masalah dimana nasabah akan dihadapkan pada pilihan untuk melaporkan atau tidak melaporkan lossnya, bergantung pada indemnitas yang didapat dan besar bonus yang ditetapkan. Untuk menghadapi masalah tersebut, diperlukan desain asuransi yang tepat agar nasabah dan perusahaan merasa tidak dirugikan. Tugas akhir ini membuat formula matematis yang dapat memaksimalkan ekspektasi kepuasaan nasabah terhadap konsumsi kekayaan pada kontrak asuransi tetapi tetap memberikan keuntungan pada perusahaan. Selanjutnya, menggunakan formula yang dibentuk, diuraikan beberapa kontrak asuransi yang dapat dibuat, bergantung pada besar premi dan bonus. Pada bagian akhir, dilakukan dua simulasi numerik, yaitu simulasi untuk menggambarkan perhitungan matematis yang dilakukan dan simulasi dalam menentukan produk nasabah.

---

ABSTRACTInsurance companies have an important role in providing protection against all possible losses for customers who own motorized vehicle is very necessary. In motor vehicle insurance, there is a system called no-claim bonus that give bonus for the next contract if no claim has been made by the insured during his whole lifetime of the contract. As a result, the insured faces two choices, reporting or not reporting his loss, depends on his compensation and bonus. Thus, the optimal insurance design is needed so that insured and insurer do not experience losses. This thesis make a mathematical formula that maximize insured satisfication for his wealth consumption in insurance contract but still give benefit for the insurer. Next, several insurance contracts will be formed depend on the amount of premium and bonus. Then, two numerical simulations will be done in the end of this thesis. First is simulation to describe mathematical calculations and second is simulations in determining insured products."

"Diabetes mellitus atau biasa disebut sebagai diabetes adalah penyakit metabolik yang disebabkan oleh penderita memiliki kadar gula darah yang tinggi dan organ pankreas tidak dapat memproduksi hormon insulin secara efektif. Diabetes dapat mengakibatkan penyakit yang lebih parah seperti kebutaan, gagal ginjal, dan penyakit jantung. Oleh karena itu, pendeteksian sejak dini dibutuhkan agar pasien dapat mencegah penyakitnya sebelum menjadi lebih parah. Karena data medis biasanya berukuran besar dan tidak berdistribusi normal, beberapa peneliti menggunakan metode klasifikasi untuk memprediksi gejala penyakit atau mendiagnosa penyakit. Pada penelitian ini, digunakan algoritma Learning Vector Quantization (LVQ) untuk klasifikasi data set diabetes dengan seleksi fitur Chi-Square. Pada penelitian ini digunakan dua data set diabetes yaitu data set I dengan 8 fitur dan data set II dengan 19 fitur. Hasil dari penelitian ini menunjukkan bahwa untuk data set dengan 8 fitur, akurasi dan performa model tertinggi diperoleh ketika data set mengandung hampir seluruh fiturnya yaitu 7 fitur dengan akurasi sebesar 76,55%. Sedangkan untuk data set dengan 19 fitur, akurasi dan performa model tertinggi diperoleh ketika data set telah melewati proses seleksi fitur dengan menggunakan metode Chi-Square yaitu pada model dengan 10 fitur dengan akurasi sebesar 78,96%.

---

Diabetes mellitus or commonly referred as diabetes is a metabolic disorder caused by high blood sugar level and the pancreas that does not produce insulin effectively. Diabetes can lead to more relentless disease such as blindness, kidney failure, and heart attacks. Therefore, early detection is needed in order for the patients to prevent the disease for being more severe. According to the non-normality and huge size of data in medical field, some researchers use classification methods to predict symptoms or diagnose patients. In this study, Learning Vector Quantization (LVQ) is used to classify the diabetes data set with Chi-Square Feature Selection. This study adopted two kinds of diabetes data set which are, data set I that contains 8 features and data set II that contains 19 features. The result of the experience shows that for data set I, the highest accuracy and model performance is achieved when the model contains most of its features which is the model that contains 7 features with 76,55% of accuracy. Moreover, for data set II, the highest accuracy and model performance is achieved when the model contains features that has been selected with the Chi-Square feature selection which is the model with 10 features and the accuracy achieved is 78,96%."