APPLICATION OF MACHINE LEARNING ON CUSTOMER CHURN USING SMOTE

• SYARIF HIDAYAT
• 14002411

---

ABSTRAK

Churn pelanggan merupakan masalah terpenting dalam dunia bisnis terutama di bidang industri telekomunikasi karena memiliki pengaruh besar pada keuntungan perusahaan. Mendapatkan pelanggan baru pada perusahaan jauh lebih sulit dan lebih mahal di bandingkan dengan mempertahankan pelanggan yang ada. Meskipun machine learning terdapat kekurangan pada tingkat keakuratan yang relatif rendah, penggunaan pemodela machine learning yang tepat dapat membantu dalam melakukan prediksi termasuk prediksi customer churn. smote telah digunakan untuk prediksi, tetapi pemilihan hyperparamter pada pemodelan membutuhkan lebih banyak waktu dan upaya. Hal ini membuat prosesnya lebih menantang bagi peneliti yang kurang berpengalaman. Oleh karena itu, penelitian ini mengusulkan penerapan teknik SMOTE dengan pengujian terhadap optimasi hyperparameter untuk mencari arsitektur yang lebih baik dalam memprediksi customer churn. Eksperimen menunjukan teknik SMOTE dengan menggunakan 6 model yaitu Logistic (LR), Random Forest (RF), Naive Bayes (NB), Decision tree classifer (DT), AdaBoost Classifier (Ada) dan Gradient Boosting Classifiers (GBC) maka dapat menghasilkan peforma AUC 0.8545 untuk model GBC, lebih baik dibandingkan dengan pemodelan menggunakan Logistic Regression (LR), Random Forest (RF), Naive Bayes (NB), Decision Tree Classifier (DT), AdaBoost Classifier (Ada) sebagai algoritma pembanding.

KATA KUNCI

Data Mining,machine learning,Customer

---

DAFTAR PUSTAKA