Perbandingan Performa Algoritma Random Forest dan Gradient Boosting dalam Mengklasifikasi Churn Telco

Authors

  • Muhammad Adji Purnama Universitas Sains dan Teknologi Indonesia
  • Jilang Ramadhani Universitas Sains dan Teknologi Indonesia
  • Yoga Safitra Anugraha Universitas Sains dan Teknologi Indonesia
  • Lusiana Efrizoni Universitas Sains dan Teknologi Indonesia
  • Rahmaddeni Rahmaddeni Universitas Sains dan Teknologi Indonesia

DOI:

https://doi.org/10.62411/tc.v23i3.11278

Abstract

Customer churn adalah kecenderungan pelanggan berhenti dan berpindah layanan dalam periode tertentu. Ini merupakan masalah utama dalam industri telekomunikasi karena mempengaruhi keuntungan perusahaan. Mempertahankan pelanggan lebih mudah dibandingkan mendapatkan pelanggan baru. Memprediksi churn membantu sektor CRM dalam merancang strategi retensi. Tingkat churn yang tinggi dapat menurunkan pendapatan dan mengganggu stabilitas bisnis. Berdasarkan studi, tingkat churn tahunan di industri telekomunikasi berkisar antara 15% hingga 30%. Data mining, yang memanfaatkan teknik pembelajaran mesin, digunakan untuk menganalisis dan mengekstraksi pengetahuan dari data. Penelitian ini bertujuan untuk membandingkan performa dua algoritma yaitu Random Forest dan Gradient Boosting. Hasil yang didapatkan menggunakan splitting data 80:20 menunjukkan bahwa klasifikasi lebih unggul menggunakan metode Gradient Boosting dibandingkan metode Random Forest dilihat dari tingkat akurasi dan nilai ROC AUC. Metode Gradient Boosting mendapatkan nilai akurasi dan ROC AUC sebesar 83% dan 0.89, Sedangkan metode Random Forest mampu menghasilkan nilai akurasi dan ROC AUC sebesar 81% dan 0.87.   Kata kunci: Churn, Gradient Boosting, Klasifikasi, Random Forest, Telco    

Downloads

Published

2024-08-23