<![CDATA[Salah satu tantangan yang dihadapi CRM perusahaan operator telekomunikasi seluler adalah usaha menurunkan jumlah pelanggan yang berhenti menggunakan layanan perusahaan dan pindah ke perusahaan kompetitor (churn/ loyalitas pelanggan). Divisi CRM perusahaan perlu mengetahui dan memahami pola perilaku churn pelanggannya, serta memprediksi apakah pelanggan-pelanggan aktif yang dimiliki saat ini akan churn di masa depan. Desain implementasi data mining decision tree pada prediksi loyalitas pelanggan terdiri dua tahapan yaitu tahap pembangunan model dan tahap prediksi churn. Tehnik data mining yang digunakan adalah algoritma decision tree, karena algoritma ini menghasilkan pohon keputusan yang merupakan representasi logika-logika keputusan mengapa suatu pelanggan diprediksi akan churn dan mengapa suatu pelanggan diprediksi tidak akan churn. Data historis pelanggan yang akan digunakan untuk membangun model prediksi, digunakan data window yang berawal dari bulan Januari 2010 sampai bulan Maret 2010, time lag pada April 2010, serta forecasting window pada bulan Mei 2010. Tingkat akurasi yang dihasilkan oleh model prediksi yang dibangun adalah 70,94 %. Dengan akurasi memprediksi non churn sebesar 71,31% dan akurasi memprediksi churn sebesar 58,02%. Hal ini membuktikan bahwa performansi model prediksi churn cukup baik. Tingkat akurasi prediksi churn yang lebih rendah membuktikan bahwa memprediksi pelanggan yang churn lebih sulit daripada memprediksi pelanggan yang tidak churn.Kata kunci : CRM, Loyalitas Pelanggan/ Churn, Data Mining, Decision Tree]]>
Copyrights © 2011
