The Feasibility of Utilizing Machine Learning and Deep Learning to Assess Loss in Picture-based Crop Insurance

Picture-based Crop Insurance (PBI) merupakan asuransi pertanian yang menggunakan gambar lahan pertanian selama musim tanam untuk mendeteksi kerugian yang dialami petani. PBI sendiri merupakan asuransi yang dikembangkan untuk mengatasi permasalahan dalam penerapan skema-skema asuransi di India sebelumya. Namun hingga penelitian ini dilakukan, penilaian kerugian PBI masih dilakukan secara manual menggunakan pendapat ahli agrikultur. Hal ini merupakan kelemahan dari PBI dikarenakan membutuhkan biaya yang cukup besar serta kurang efisien. Oleh karena itu, penelitian ini bertujuan untuk meneliti kelayakan penggunaan algoritma machine learning dan deep learning untuk menilai kerugian dari PBI, sebagai langkah awal dari automasi proses penilaian kerugian tersebut. Penelitian dibagi ke dalam dua skenario, yaitu multiclass dan binary classification. Dalam multiclass classification, 4 kategori kerugian pada penelitian sebelumnya digunakan seluruhnya. Sedangkan dalam binary classification, kategori kerugian hanya dibagi 2, yaitu kerugian yang mendapatkan ganti rugi dan tidak. Berdasarkan penelitian yang telah dilakukan, decision tree, random forest, dan Convolutional Neural Network (CNN) memiliki performa yang cukup baik dalam pendeteksian kerugian dengan nilai akurasi melebihi 80% pada data uji. Namun, performa model berdasarkan metriks sensitivitas masih perlu ditingkatkan lagi. Setelah melihat performa model dan menganalisis dari sisi asuransi, berdasarkan perbedaan premi dan risiko asuransi antara hasil prediksi dan data aktual, ditemukan bahwa model yang terbaik adalah decision tree pada skenario binary classification. Sedangkan untuk model random forest dan CNN, memang memiliki performa akurasi yang cukup baik, namun tidak terlalu baik dalam segi sensitivitas maupun penilaian asuransi. Oleh karena itu, penggunaan algoritma machine learning dan deep learning dapat dikatakan cukup layak untuk menilai kerugian PBI. Namun, masih dibutuhkan beberapa penyesuaian dari segi pembuatan model maupun produk asuransi apabila metode ini ingin diimplementasikan.