Algoritma Random Forest Sebagai Uplift Modeling pada Prediksi Retensi Pelanggan Layanan Telekomunikasi

Abstract

Persaingan penyedia layanan telekomunikasi mengakibatkan potensi pelanggan berpindah layanan ke penyedia lain atau disebut dengan customer churn. Hal ini dapat mengancam keberlangsungan hidup provider tersebut. Oleh karena itu perlu dilakukan upaya prediksi pelanggan yang mungkin akan melakukan churn agar perusahaan dapat mempersiapkan strategi untuk membuat pelanggan dapat kembali berlangganan pada provider tersebut atau disebut dengan customer retention. Oleh karena itu pada penelitian ini akan digunakan algoritma random forest sebagai uplift modeling untuk prediksi retensi pelanggan layanan telekomunikasi. Uplift modeling akan berfokus pada mereformulasi target variabel dari pelanggan yang akan melakukan churn menjadi pelanggan yang mungkin akan melakukan retensi. Sementara algoritma random forest dipilih karena mampu membagi kriteria pemecahan kedalam ruang/segmen yang sesuai dirancang untuk uplift modeling. Metode penelitian yang digunakan pada penelitian ini adalah CRISP-DM yang merupakan kerangka penelitian data mining untuk penelitian lintas industri. Hasil penelitian ini menunjukan bahwa algoritma yang diusulkan menghasilkan akurasi sebesar 91,87%.