relation: https://eprints.amikom.ac.id/id/eprint/33122/
title: ANALISIS PREDIKSI CUSTOMER CHURN PADA LAYANAN   TELEKOMUNIKASI MENGGUNAKAN ALGORITMA   MACHINE LEARNING
creator: Hartono, Nasywa Febia
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
description: Industri telekomunikasi terus mengamati tingkat churn pelanggan karena  pelanggan berdampak pada penurunan pendapatan dan efektivitas upaya retensi  pelanggan. Dengan menggunakan algoritma machine learning berbasis data  tabular, penelitian ini bertujuan untuk membangun model yang dapat memprediksi  tingkat penurunan pelanggan.   Dataset pelanggan telekomunikasi mencakup fitur dan pola pembayaran  seperti tenure, TotalCharges, MonthlyCharges, jenis kontrak, layanan internet dan  metode pembayaran, dengan pembagian data 80:20. Algoritma yang digunakan  adalah Logistic Regression, Random Forest, Support Vector Machine (SVM),  Gradient Boosting dan XGBoost. Analisis model didukung oleh analisis calibration  curve, gain dan lift chart, serta ROC-AUC, accuracy, precision, dan recall. Features  importance dan permutation importance digunakan untuk penyesuaian threshold  dan analisis interpretabilitas.   Hasil penelitian menunjukkan bahwa algoritma XGBoost menunjukkan  kinerja terbaik dibandingkan algoritma lainnya dengan akurasi sebesar 80,27% dan  ROC-AUC sebesar 0,8415. Gradient Boosting menempati posisi kedua dengan  akurasi sebesar 80,13% dan ROC-AUC sebesar 0,8411. Random Forest dan SVM  memiliki kinerja yang lebih rendah dibandingkan model Logistic Regression, yang  memiliki recall tertinggi sebesar 78,07% dan ROC-AUC sebesar 0,8412. Hasil ini  menunjukkan algoritma berbasis boosting lebih baik menemukan pola kompleks  dalam data churn.   Selain mengidentifikasi pelanggan yang berisiko berhenti berlangganan,  teknik prediksi churn yang dihasilkan ini juga memberikan informasi mengenai  faktor-faktor yang memengaruhi churn. Untuk meningkatkan retensi pelanggan di  sektor telekomunikasi, model ini dapat digunakan sebagai landasan dalam  pengambilan keputusan strategis.
date: 2026-05-18
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/1/COVER.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/2/BAB%20I.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/3/BAB%20II.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/4/BAB%20III.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/5/BAB%20IV.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/6/BAB%20V.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/7/Daftar%20Pustaka.pdf
format: archive
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/8/Sourcecode%20-%2022.11.5029.zip
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/33122/9/Publikasi.pdf
identifier:   Hartono, Nasywa Febia  (2026) ANALISIS PREDIKSI CUSTOMER CHURN PADA LAYANAN TELEKOMUNIKASI MENGGUNAKAN ALGORITMA MACHINE LEARNING.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.