Keywords
decision tree
data mining
SEMMA
How to Cite
Abstract
Dalam era bisnis modern, mempertahankan pelanggan yang ada seringkali lebih menguntungkan dibanding menarik pelanggan baru. Salah satu tantangan terbesar adalah churn atau hilangnya pelanggan. Prediksi churn menggunakan data mining, khususnya algoritma decision tree, memungkinkan perusahaan untuk mengidentifikasi faktor - faktor penyebab churn dan mengklasifikasikan pelanggan berdasarkan kemungkinan mereka untuk berhenti berlangganan. Penelitian ini menggunakan metodologi SEMMA (Sample, Explore, Modify, Model, Assess) untuk menganalisis dataset customer churn yang terdiri dari 64.000 data. Hasil penelitian menunjukkan bahwa model decision tree memiliki performa prediksi lebih tinggi dibandingkan algoritma lainnya, dengan akurasi mencapai 99.7%, precision 99.7%, recall 99.7%, dan F1-score 99.7%. Temuan ini memberikan wawasan penting bagi perusahaan dalam mengembangkan strategi retensi pelanggan yang lebih efektif.
References
C. Olivia and Y. Sibaroni, “ANALISIS PREDIKSI CHURN MENGGUNAKAN METODE LOGISTIC REGRESSION DAN ALGORITMA DECISION TREE,” Bandung, Aug. 2015. Accessed: May 31, 2024. [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/3020
S. DI PENDUKUNG KEPUTUSAN PENERIMA DANA DESA DENGAN MENGGUNAKAN METODE PROMETHEE KECAMATAN GODEAN KABUPATEN SLEMAN Arif Budiman et al., “PREDIKSI CUSTOMER CHURN PERUSAHAAN TELEKOMUNIKASI MENGGUNAKAN NAÏVE BAYES DAN K-NEAREST NEIGHBOR,” 2019, [Online]. Available: http://e-journal.janabadra.ac.id/
Ni Wayan Wardani, Gede Rasben Dantes, and Gede Indrawan, “PREDIKSI CUSTOMER CHURN DENGAN ALGORITMA DECISION TREE C4.5 BERDASARKAN SEGMENTASI PELANGGAN PADA PERUSAHAAN RETAIL,” JURNAL RESISTOR, vol. 1, pp. 16–24, Apr. 2018, doi: https://doi.org/10.31598/jurnalresistor.v1i1.219.
A. Nurzahputra, A. Ratna Safitri, and M. Aziz Muslim, “Klasifikasi Pelanggan pada Customer Churn Prediction Menggunakan Decision Tree,” 2016. Accessed: May 31, 2024. [Online]. Available: https://journal.unnes.ac.id/sju/prisma/article/view/21528/10288
A. Sulistyo Wibowo, “Analisis Churn Nasabah Bank Dengan Pendekatan Machine Learning dan Pengelompokan Profil Nasabah dengan Pendekatan Clustering,” vol. 2, no. 1, pp. 30–41, 2024, doi: 10.61132/konstruksi.v2i1.43.
Miryam Clementine and Arum, “Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Naïve Bayes dan ID3,” Jurnal Processor, vol. 17, no. 1, pp. 9–18, May 2022, doi: 10.33998/processor.2022.17.1.1170.
C. Mulia et al., “Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Bank Customer Churn Menggunakan Algoritma Naïve bayes dan Logistic Regression,” Jakarta Selatan, Aug. 2023. Accessed: May 31, 2024. [Online]. Available: https://conference.upnvj.ac.id/index.php/senamika/article/view/2590
R. Novendri, R. Andreswari, and O. N. Pratiwi, “IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI CUSTOMER CHURN MENGGUNAKAN ALGORITMA NAIVE BAYES IMPLEMENTATION OF DATA MINING TO PREDICT CUSTOMER CHURNS USING NAIVE BAYES ALGORITHM,” Apr. 2021.
R. Alfarez, V. Purwayoga, J. Siliwangi No, K. Kahuripan, K. Tawang, and K. Tasikmalaya, “PENERAPAN NAÏVE BAYES UNTUK PREDIKSI CUSTOMER CHURN (STUDI KASUS: PT HUTCHISON 3 INDONESIA),” Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI), vol. 05, 2024, Accessed: May 30, 2024. [Online]. Available: https://jim.unindra.ac.id/index.php/jrami/article/view/8556
Y. Christian, J. Putra, A. Winata, N. Ricky, R. Jeonanto, and H. Artikel, “PREDIKSI KUALITAS AIR MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN RANDOM FOREST,” Oct. 2022. doi: 10.24269/jkt.v6i2.1313.
A. M. Husein and M. Harahap, “Pendekatan Data Science untuk Menemukan Churn Pelanggan pada Sector Perbankan dengan Machine Learning,” Data Sciences Indonesia (DSI), vol. 1, no. 1, pp. 8–13, May 2021, doi: 10.47709/dsi.v1i1.1169.
A. Yulianto and Firmansyah, “Prediksi Customer Churn Pada Bisnis Retail Menggunakan Algoritma Naïve Bayes,” Riset dan E-Jurnal Manajemen Informatika Komputer, vol. 6, no. 1, Oct. 2021, doi: 10.33395/remik.v4i1.11196.
N. Febriana, F. Fadzira, M. A. Senubekti, and R. Suharsih, “Prediksi Penilaian Kinerja Hakim Dengan Penerapan Machine Learning Menggunakan Tools Python,” vol. 2, no. 1, 2024.
AZEEM and MUHAMMAD SHAHID, “Customer Churn Dataset,” Kaggle. Accessed: Jun. 09, 2024. [Online]. Available: https://www.kaggle.com/datasets/muhammadshahidazeem/customer-churn-dataset/data
C. M. Sitorus, A. Rizal, and M. Jajuli, “Prediksi Risiko Perjalanan Transportasi Online Dari Data Telematik Menggunakan Algoritma Support Vector Machine,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 6, no. 2, Aug. 2020, doi: 10.28932/jutisi.v6i2.2672.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Dewi Putriani, Anindita Puspa Ayu Prayogi, Altha Inas Shofyana, Aidina Ristyawan, Erna Daniati