Prediksi Churn Pelanggan pada Perusahaan Telekomunikasi Menggunakan Algoritma Pembelajaran Ensambel Berbasis Bagging

Nafitra, Hasna Dhiya (2024) Prediksi Churn Pelanggan pada Perusahaan Telekomunikasi Menggunakan Algoritma Pembelajaran Ensambel Berbasis Bagging. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201060-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Perkembangan yang pesat dan munculnya banyak pesaing di industri telekomunikasi menuntut perusahaan untuk menerapkan strategi manajemen hubungan pelanggan yang efektif untuk mengatasi masalah churn yang dapat merugikan perusahaan. Churn adalah peristiwa berpindahnya pelanggan ke perusahaan lain karena alasan tertentu. Perusahaan harus mampu mengidentifikasi faktor-faktor yang memengaruhi pelanggan untuk melakukan churn karena biaya mempertahankan pelanggan lebih murah daripada memperoleh pelanggan baru. Salah satu upaya yang dapat dilakukan adalah membuat model prediksi churn bagi para pelanggannya. Dalam Tugas Akhir ini, model prediksi Boosted Bagging (BoBag) dipilih karena model ini menawarkan pendekatan ensambel berbasis bagging yang inovatif dengan hyperparameter yang dapat disesuaikan, seperti jumlah sampel, jumlah estimator, dan learning rate. Tugas Akhir ini menghasilkan sebuah model prediksi BoBag terbaik untuk kombinasi hyperparameter dengan jumlah estimator sebesar 200, jumlah sampel sebesar 0,5, dan learning rate sebesar 0,01. Kombinasi terbaik ini menghasilkan model dengan akurasi, F1, dan AUC berturut-turut sebesar 0,8589, 0,7112 dan 0,9176. Analisis terhadap model yang dihasilkan memberikan implikasi bahwa perusahaan harus memberikan perhatian khusus kepada para pelanggan bulanan dengan cara memberikan insentif atau diskon dan berusaha agar pelanggan tersebut bersedia untuk beralih ke kontrak yang lebih panjang. Selain itu, perusahaan harus tetap memperbaiki layanan internal agar dapat bersaing dengan para kompetitor di bidangnya.
========================================================================================================================
The telecommunications industry is experiencing rapid development and the emergence of numerous competitors, necessitating companies to implement effective customer relationship management strategies to mitigate the risk of customer churn, which can be detrimental to their business. Churn is when customers switch to another company for a variety of reasons. Companies must be able to identify factors that influence customers to churn because the cost of retaining customers is cheaper than acquiring new customers. We chose the Boosted Bagging (BoBag) model for this final project because it provides an innovative bagging-based ensemble approach with customizable parameters, including the number of samples, number of estimators, and learning rate. We obtained the model using the optimal hyperparameter combination of 200 estimators, five samples, and a learning rate of 0,01, yielding accuracy, F1, and AUC values of 0,8589, 0,7112, and 0,9176, respectively. The prediction's outcomes suggest that telecommunication companies should prioritize monthly customers by offering incentives or discounts, transitioning to longer contracts, and enhancing internal services to stay competitive.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bagging Ensambel, Boosted Bagging, Prediksi Churn, Telekomunikasi, Churn Prediction, Ensemble Bagging, Telecommunications
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Hasna Dhiya Nafitra
Date Deposited:	01 Aug 2024 05:26
Last Modified:	01 Aug 2024 05:26
URI:	http://repository.its.ac.id/id/eprint/111074

Actions (login required)

View Item