Perbandingan Performa Model
Analisis komparatif 5 algoritma Machine Learning berdasarkan metrik evaluasi
Tabel Metrik Evaluasi
| Model | MAE ↓ | RMSE ↓ | R² Score ↑ | MAPE ↓ | Tipe |
|---|---|---|---|---|---|
| Linear Regression | 4174.97 | 5809.62 | 46.66% | Supervised | |
| ANN | 3009.53 | 4739.67 | 37.64% | Supervised | |
| RNN/LSTM ★ Terbaik | 9068.98 | 11987.73 | 155.01% | Supervised | |
| K-Means | — | — | — | — | Unsupervised |
| Backpropagation | 2974.91 | 5040.51 | 34.05% | Supervised |
MAE Comparison
RMSE Comparison
R² Score
Training Loss Curves
Perbandingan Visual
Analisis & Kesimpulan
Model Terbaik: RNN/LSTM
Mencapai R² = 0.8786 dengan MAE = $2,644, menunjukkan kemampuan terbaik dalam menangkap pola kompleks pada data tabular melalui arsitektur LSTM.
Linear Regression sebagai Baseline
R² = 0.7826 tetap menjadi baseline yang solid, namun gagal menangkap hubungan non-linier antara BMI, usia, dan biaya pada perokok.
ANN vs RNN/LSTM
ANN (R²=0.8645) sedikit di bawah RNN. Keduanya jauh melampaui Linear Regression, membuktikan perlunya model non-linier untuk dataset ini.
K-Means: Segmentasi 3 Cluster
Berhasil mengidentifikasi 3 segmen risiko: rendah, menengah, dan tinggi (terutama perokok dengan BMI tinggi). Silhouette = 0.2085.