Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science Buffer Informatika
Aliya Faiza
Universitas Sriwijaya
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Dini Churn Pelanggan E-Commerce Berbasis CRM di Indonesia Menggunakan Algoritma Random Forest Alifa Putri Shahabiyah; Zakirah Sabrina Putri Pasha; Aliya Faiza; Ali Ibrahim; Fathoni
Buffer Informatika Vol. 12 No. 1 (2026): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v12i1.566

Abstract

Customer churn merupakan salah satu permasalahan utama dalam industri e-commerce karena berdampak langsung terhadap penurunan jumlah pelanggan dan pendapatan perusahaan. Meskipun berbagai penelitian telah dilakukan untuk meningkatkan akurasi prediksi churn, sebagian besar masih berfokus pada aspek teknis tanpa mengaitkannya secara langsung dengan implementasi dalam Customer Relationship Management (CRM). Oleh karena itu, penelitian ini bertujuan untuk membangun model deteksi dini churn pelanggan berbasis machine learning serta mengkaji pemanfaatannya dalam mendukung strategi CRM.Penelitian ini menggunakan dataset ulasan pelanggan e-commerce yang diolah melalui tahap preprocessing, transformasi data, dan pembentukan label churn. Model dibangun menggunakan algoritma Random Forest dengan pendekatan Cross-Validation. Hasil pengujian menunjukkan model berjalan sangat baik dengan akurasi mencapai 99,03%, presisi 76,92%, dan recall 84,42%.Hasil penelitian menunjukkan bahwa data ulasan pelanggan efektif dalam merepresentasikan perilaku pelanggan dan dapat digunakan untuk mendeteksi potensi churn sejak tahap awal interaksi. Model yang dihasilkan dapat diintegrasikan ke dalam sistem CRM untuk mendukung strategi retensi pelanggan secara proaktif melalui deteksi dini pelanggan berisiko churn.
Segmentasi Pelanggan Kartu Halo Telkomsel Berbasis K-Means di Wilayah Sumbagsel: K-Means-Based Customer Segmentation of Telkomsel Kartu Halo in the Sumbagsel Muhammad Bayu Samudra; Alifa Putri Shahabiyah; Aliya Faiza; Edo Wicaksono; Ken Ditha Tania; Allsella Meiriza; Ahmad Rifai
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2607

Abstract

Perusahaan telekomunikasi dalam menjalankan operasionalnya harus mengelola banyak data pelanggan, karena penggunaan layanan digital terus bertambah. Namun, data tersebut biasanya hanya digunakan untuk urusan administratif, sehingga kemampuan untuk menganalisis data guna memahami perilaku pelanggan belum sepenuhnya dimanfaatkan. Penelitian ini secara khusus bertujuan untuk mengelompokkan pelanggan berdasarkan pola penggunaan layanan guna mengidentifikasi karakteristik setiap segmen secara lebih sistematis. Data yang digunakan merupakan data pelanggan pascabayar Kartu Halo wilayah Sumbagsel tahun 2025 yang diperoleh dari PT Telkomsel Smart Office Palembang dengan total 4.645 data. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD), yang terdiri dari beberapa tahap yaitu preprocessing, transformation, dan data mining. Proses pengelompokan dilakukan dengan menggunakan algoritma K-Means, bantuan perangkat lunak RapidMiner. Penelitian menunjukkan bahwa pelanggan bisa dibagi menjadi tiga kelompok dengan kebiasaan menggunakan layanan yang berbeda. Evaluasi menggunakan Davies-Bouldin Index menunjukkan bahwa model clustering memiliki kualitas yang baik dalam memisahkan antarkelompok. Secara ilmiah, penelitian ini membantu dalam penerapan metode clustering untuk membagi pelanggan dalam industri telekomunikasi. Secara nyata, hasil ini bisa dipakai untuk membantu membuat strategi pemasaran yang lebih tepat dan didasarkan pada data.
Co-Authors Ahmad Rifai Ali Ibrahim Alifa Putri Shahabiyah Allsella Meiriza Edo Wicaksono Fathoni Ken Ditha Tania Muhammad Bayu Samudra Zakirah Sabrina Putri Pasha