Prediksi Churn Pelanggan Telekomunikasi Menggunakan Algoritma Random Forest dengan Penerapan Tree Prunning
Keywords:
Churn Pelanggan, Telekomunikasi, Random Forest, Tree Pruning, Data MiningAbstract
Kompetisi dalam sektor telekomunikasi saat ini sangat tinggi. Mempertahankan pelanggan lama agar tidak beralih jauh lebih menguntungkan dibandingkan terus-menerus mencari pelanggan baru. Tujuan dari penelitian ini adalah memperkirakan pelanggan mana yang memiliki kemungkinan besar untuk berhenti berlangganan dengan memanfaatkan data transaksi yang berasal dari IBM Telco Churn. Pendekatan yang diterapkan adalah algoritma Random Forest Classifier. Untuk mencegah agar model ini tidak terlalu terfokus pada data pelatihan (overfitting), teknik Tree Pruning digunakan dengan membatasi kedalaman pohon maksimum hingga 8 tingkat. Dari pengujian yang dilakukan di komputer, model ini berhasil meraih akurasi sebesar 79.43% dan nilai ROC-AUC sebesar 84.20%. Analisis data menunjukkan bahwa faktor utama yang mempengaruhi pelanggan untuk keluar adalah masalah keuangan, khususnya besarnya biaya tagihan bulanan serta jenis kontrak yang bersifat bulanan (month-to-month). Di harapkan hasil prediksi dari model ini dapat membantu tim pemasaran untuk menawarkan promosi yang tepat sebelum pelanggan berpindah ke pesaing.
References
Ahmad, A. K., Jafar, A., & Aljoumaa, K. (2019). Customer churn prediction in telecom using machine learning in big data platform. Journal of Big Data, 1-24.
Bhatnagar, A., & Srivastava, S. (2025). Customer Churn Prediction: A Machine Learning Approach with Data Balancing for Telecom Industry. International Journal of Computing, 9-18.
Ebrah, K., & Elnasir, S. (2019). Churn Prediction Using Machine Learning and Recommendations Plans
for Telecoms. Journal of Computer and Communications, 33-53.
Sundararajan, A., & Gursoy, K. (2020). Telecom customer churn prediction. Rutgers University Libraries Open Repository , 1-4.
Ullah, I., Raza, B., Malik, A. K., Imran, M., Islam, S. U., & Kim, S. W. (2019). A churn prediction model using random forest: Analysis of machine learning techniques for churn prediction and factor identification in telecom sector. IEEE Access, 60134-60149.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Fiqih Zulfikar, Stevanus Dwi Anggoro (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
Creative Commons Attribution 4.0 International (CC BY 4.0).
This work is licensed under a 