<![CDATA[Industri Internet Service Provider (ISP) saat ini menghadapi tantangan besar dalam menjaga loyalitas pelanggan di tengah persaingan pasar yang semakin ketat. Loyalitas pelanggan menjadi aspek penting karena tidak hanya menjamin pendapatan yang stabil, tetapi juga meningkatkan reputasi perusahaan di mata publik. Penelitian ini berupaya mengevaluasi dua algoritma pembelajaran mesin, yaitu Algoritma C4.5 dan Naïve Bayes, dalam memprediksi loyalitas pelanggan ISP, memberikan wawasan tentang algoritma yang paling efektif untuk analisis loyalitas pelanggan. Dengan menggunakan pendekatan CRISP-DM, data pelanggan yang mengajukan penghentian layanan hingga akhir tahun 2020 menjadi data yang akan dianalisis. Data tersebut mencakup berbagai atribut, seperti alasan penghentian, jenis produk, metode penghentian, dan informasi demografis. Proses validasi penelitian ini menggunakan teknik 10-fold cross-validation, dengan hasil menunjukkan bahwa algoritma C4.5 memiliki performa lebih baik unggul dibandingkan Naïve Bayes. Algoritma C4.5 mencatat akurasi sebesar 80,67% dan nilai AUC 0,830, sementara Naïve Bayes mencatat akurasi 76,23% dan AUC 0,824. Dengan keunggulan ini, Algoritma C4.5 terbukti lebih akurat dalam membedakan pelanggan loyal dan tidak loyal. Hasil penelitian ini dapat memberikan rekomendasi strategis bagi ISP untuk meningkatkan pengelolaan pelanggan melalui analisis data yang optimal. Dengan algoritma yang tepat, perusahaan dapat mengembangkan strategi yang efektif untuk mempertahankan pelanggan setia, mengurangi tingkat kehilangan pelanggan, dan memperkuat daya saing mereka. Penelitian ini juga menekankan pentingnya adopsi teknologi prediktif untuk mendukung pengambilan keputusan strategis di industri ISP yang terus berubah.]]>
