<![CDATA[Tingkat customer churn yang tinggi menjadi tantangan kritis bagi industri e-commerce di Indonesia dengan potensi kerugian mencapai miliaran rupiah per tahun. Penelitian ini bertujuan untuk mengimplementasikan sistem prediksi churn pelanggan sebagai proof-of-conceptmenggunakan algoritma machine learning. Mengingat keterbatasan akses data privat e-commerce, penelitian ini menggunakan pendekatan metodologis dengan dataset sintetis yang terdiri dari 1000 data pelanggan dan 9 fitur utama meliputi tenure, monthly spending, total transactions, support tickets, dan last purchase days. Tiga algoritma machine learning diimplementasikan yaitu Logistic Regression, Decision Tree, dan Random Forest untuk melakukan klasifikasi prediksi churn. Hasil penelitian menunjukkan bahwa Random Forest memberikan performa yang paling stabil dengan akurasi sebesar 87.5%, precision 86%, recall 87%, dan F1-score 86%. Penurunan performa dibandingkan model deterministik menunjukkan bahwa model diuji pada kondisi data yang lebih realistis dan tidak mengalami overfitting terhadap aturan generatif.]]>
Copyrights © 2026
