<![CDATA[Penelitian ini memiliki maksud untuk mengembangkan model prediksi dengan memanfaatkan metode Naive Bayes. Pemodelan algoritma Naive Bayes dilakukan dengan menerapkan penggunaan Jupyter Notebook dan mengacu pada dataset yang terdiri dari atribut durasi langganan, frekuensi transaksi, tingkat kepuasan, dan status churn. Pada tahap awal, dilakukan eksplorasi data untuk memahami distribusi dan karakteristik atribut. Kemudian, dilakukan pengolahan data dengan menghapus kolom yang tidak relevan, memisahkan dataset menjadi data pelatihan dan data pengujian. Berikutnya, dilakukan pemodelan Naive Bayes dengan menghitung probabilitas kemunculan setiap nilai atribut untuk kelas churn true dan false. Probabilitas ini digunakan dalam perhitungan prediksi kelas churn berdasarkan atribut yang diberikan. Setelah model Naive Bayes terbentuk, dilakukan evaluasi performa model menggunakan metrik evaluasi. Evaluasi dilakukan dengan membandingkan kelas prediksi dengan kelas aktual pada data pengujian. Evaluasi menunjukkan model Naive Bayes menghasilkan akurasi sebesar 91,3%. Presisi, recall, dan F1-score sebesar 95% menunjukkan kemampuan model dalam mengklasifikasikan data churn dengan tingkat keakuratan yang tinggi]]>
Copyrights © 2024
