Implementasi Model Prediksi Churn Pelanggan Menggunakan Algoritma Random Forest Pada Website Industri Telekomunikasi

Abstract

Industri telekomunikasi di Indonesia berkembang pesat berkat peningkatan jumlah pengguna layanan internet dan telekomunikasi, yang memicu persaingan sengit di antara penyedia layanan. Salah satu tantangan utama yang dihadapi oleh perusahaan telekomunikasi adalah churn pelanggan, yang dapat mengakibatkan penurunan pendapatan yang signifikan. Penelitian ini bertujuan untuk meningkatkan efektivitas strategi retensi pelanggan. Dengan membangun model prediksi churn pelanggan dan mengintegrasikannya ke dalam sebuah website industri telekomunikasi, penelitian ini bertujuan untuk membantu perusahaan mengidentifikasi pelanggan yang berpotensi melakukan churn dan mengambil tindakan pencegahan yang tepat. Metode penelitian ini menggunakan pendekatan AI Project Cycle yang terdiri dari tahap problem scoping, data acquisition, data exploration, modelling, evaluation, dan deployment. Dengan fokus pada elemen-elemen kunci yang memiliki dampak signifikan terhadap tingkat churn pelanggan dalam konteks industri telekomunikasi Indonesia, penelitian ini diharapkan dapat memberikan dampak positif yang signifikan bagi masyarakat, pengembangan ilmu pengetahuan dan teknologi, serta peningkatan nilai ekonomi. Dalam penelitian ini, akurasi prediksi menggunakan algoritma Random Forest mencapai 95%, sedangkan penggunaan Decision Tree menunjukkan akurasi sebesar 92%. Hal ini menunjukkan bahwa Random Forest memberikan peningkatan yang signifikan dalam kinerja prediksi dibandingkan dengan pendekatan Decision Tree. Hasil ini juga lebih tinggi dibandingkan dengan penelitian sebelumnya yang menggunakan beberapa algoritma seperti Decision Tree, SVM, KNN, Logistic Regression, C4.5, AdaBoost, XGBoost.