Uji Performa Teknik Klasifikasi untuk Memprediksi Customer Churn

Perkembangan industri telekomunikasi sangatlah cepat, hal ini dapat dilihat dari perilaku masyarakat yang menggunakan internet dalam berkomunikasi. Perilaku ini menyebabkan banyaknya perusahaan telekomunikasi dan meningkatnya internet service provider yang dapat menimbulkan persaingan antar provider. Pelanggan memiliki hak dalam memilih provider yang sesuai dan dapat beralih dari provider sebelumnya yang diartikan sebagai customer churn. Peralihan ini dapat menyebabkan berkurangnya pendapatan bagi perusahaan telekomunikasi sehingga penting untuk ditangani. Tujuan dari penelitian ini yaitu untuk mengetahui algoritme klasifikasi terbaik dan sesuai pada permasalahan customer churn. Penelitian ini dilakukan berdasarkan metode CRISP-DM sebagai alur penelitian dengan menerapkan tiga algoritme klasifikasi yaitu Logistic Regression, Decision Tree, dan Random Forest, yang dibantu dengan metode feature selection yaitu Backward Elimination untuk mengurangi variabel yang tidak signifikan. Hasil dari penelitian ini memperoleh bahwa algoritme Logistic Regression dengan Backward Elimination merupakan algoritme terbaik dengan nilai akurasi sebesar 82,23%, recall 57,22%, dan AUC sebesar 0,853 yang termasuk pada pemodelan good classification.