Prediksi Customer Churn Pada Layanan Telokomunikasi Menggunakan Algoritma Random Forest (Studi Kasus: Telco Customer Churn)

Abstract

Tingkat persaingan yang tinggi pada industri telekomunikasi menjadikan customer churn sebagai salah satu permasalahan penting dalam mempertahankan pelanggan. Penelitian ini bertujuan untuk membangun model prediksi customer churn menggunakan algoritma Random Forest pada dataset Telco Customer Churn milik IBM Watson Analytics. Dataset yang digunakan berjumlah 7.043 data pelanggan dengan 21 atribut, di mana distribusi kelas terdiri dari 73,5% pelanggan tidak churn dan 26,5% pelanggan churn. Proses penelitian dilakukan berdasarkan metodologi CRISP-DM dengan bantuan perangkat lunak Orange3. Tahap preprocessing meliputi penanganan missing value, transformasi data kategorikal menggunakan metode Treat as Ordinal, serta normalisasi data menggunakan standardisasi Z-score. Evaluasi model dilakukan menggunakan metode 10-fold cross-validation dan memperoleh nilai AUC sebesar 0,827, akurasi sebesar 79,2%, F1-Score sebesar 0,557, Precision sebesar 0,640, dan Recall sebesar 0,493. Berdasarkan hasil analisis kepentingan fitur, atribut Contract, tenure, OnlineSecurity, dan TechSupport menjadi faktor yang paling memengaruhi perilaku customer churn. Hasil penelitian ini diharapkan dapat membantu perusahaan telekomunikasi dalam menyusun strategi retensi pelanggan yang lebih efektif dan berbasis data.