WEBSITE PREDIKSI CUSTOMER CHURN UNTUK MEMPERTAHANKAN PELANGGAN PADA PERUSAHAAN TELEKOMUNIKASI

Abstract

Fenomena churn, yaitu perilaku pelanggan yang beralih ke penyedia layanan telekomunikasi lain. Churn mengurangi keuntungan dan pendapatan perusahaan. Mempertahankan pelanggan yang ada menjadi tantangan utama, karena mendapatkan pelanggan baru lebih sulit dan biayanya lebih tinggi. Untuk mengatasi hal ini, perusahaan telekomunikasi perlu memprediksi kapan pelanggan akan churn. Prediksi customer churn dapat dilakukan dengan teknik Machine Learning. Dalam Machine Learning, diperlukan algoritma yang memiliki kemampuan untuk melakukan klasifikasi terhadap pelanggan apakah akan churn atau tidak. K-nearest neighbors (KNN) merupakan salah satu algoritma dari machine learning. Tahapan penelitian ini adalah dengan menerapkan Artificial Intelegence proyek cycle yaitu problem scoping, acquisition, data exploration, modelling, dan deployment. Berdasarkan hasil evaluasi pengujian dan implementasi model tersebut menghasilkan akurasi 81% dan mendaptkan goodfit. Hasil dari model tersebut menunjukkan bahwa terdapat 817 prediksi yang benar dalam memprediksi pelanggan yang akan churn, namun terdapat 183 prediksi yang salah. Sementara itu, dalam memprediksi pelanggan yang tidak akan churn, terdapat 842 prediksi yang benar dan 203 prediksi yang salah. Dari hasil model tersebut diimplementasikan ke sebuah website yang memiliki berberapa fitur seperti halaman utama terdapat data nilai churn dan tidak churn, halaman memasukan data pelanggan, halaman data pelanggan churn, halaman pelanggan tidak churn. Website tersebut terhubung dengan database menggunakan server localhost. Website tersebut dapat digunakan untuk membantu selaku para perusahaan dibidang telekomunikasi untuk memprediksi customer churn.