Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Margaretha Evi Yuliana
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Komparasi Algoritma Prediksi Churn Pelanggan Berbasis Machine Learning Pada Aplikasi Billing Admin Nur Afrianto; Aprilisa Arum Sari; Margaretha Evi Yuliana
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada perusahaan yang menerapkan model bisnis berbasis langganan, perpindahan pelanggan ke kompetitor menjadi permasalahan penting karena berdampak langsung terhadap stabilitas pendapatan dan keberlangsungan hubungan pelanggan. Penelitian ini bertujuan untuk membandingkan performa algoritma LightGBM dan Decision Tree dalam memprediksi churn pelanggan serta mengimplementasikan model terbaik ke dalam aplikasi Billing Admin. Pelaksanaan penelitian mengacu pada metodologi CRISP-DM yang terdiri atas tahap business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset customer churn yang digunakan terdiri dari 2.800 data pelanggan dan dievaluasi menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Jika dibandingkan dengan Decision Tree, algoritma LightGBM terbukti menghasilkan performa yang lebih superior. Hal ini ditunjukkan oleh perolehan Accuracy 0,6274, Recall 0,6819, dan F1-Score 0,6770. Model LightGBM kemudian berhasil diintegrasikan ke dalam aplikasi Billing Admin berbasis CodeIgniter 4 menggunakan Flask API untuk melakukan prediksi churn pelanggan secara otomatis. Dengan demikian, model yang dihasilkan mampu membantu perusahaan dalam mengidentifikasi pelanggan yang berpotensi churn dan mendukung pengambilan keputusan dalam strategi retensi pelanggan.
Co-Authors Aprilisa Arum Sari Nur Afrianto