<![CDATA[Kompetisi dalam sektor telekomunikasi saat ini sangat tinggi. Mempertahankan pelanggan lama agar tidak beralih jauh lebih menguntungkan dibandingkan terus-menerus mencari pelanggan baru. Tujuan dari penelitian ini adalah memperkirakan pelanggan mana yang memiliki kemungkinan besar untuk berhenti berlangganan dengan memanfaatkan data transaksi yang berasal dari IBM Telco Churn. Pendekatan yang diterapkan adalah algoritma Random Forest Classifier. Untuk mencegah agar model ini tidak terlalu terfokus pada data pelatihan (overfitting), teknik Tree Pruning digunakan dengan membatasi kedalaman pohon maksimum hingga 8 tingkat. Dari pengujian yang dilakukan di komputer, model ini berhasil meraih akurasi sebesar 79.43% dan nilai ROC-AUC sebesar 84.20%. Analisis data menunjukkan bahwa faktor utama yang mempengaruhi pelanggan untuk keluar adalah masalah keuangan, khususnya besarnya biaya tagihan bulanan serta jenis kontrak yang bersifat bulanan (month-to-month). Di harapkan hasil prediksi dari model ini dapat membantu tim pemasaran untuk menawarkan promosi yang tepat sebelum pelanggan berpindah ke pesaing.]]>
Copyrights © 2026
