Analisis dan Optimasi Model Machine Learning untuk Prediksi Customer Churn pada Industri Telekomunikasi

Lawrensia, Angel (2026) Analisis dan Optimasi Model Machine Learning untuk Prediksi Customer Churn pada Industri Telekomunikasi. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (758kB)
	PDF BAB_I.pdf Download (288kB)
	PDF BAB_II.pdf Download (372kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (485kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (225kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (231kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	Archive (ZIP) 00000084325_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Penelitian ini membahas analisis dan optimasi model machine learning untuk prediksi customer churn pada industri telekomunikasi menggunakan IBM Telco Customer churn Dataset. Tingginya customer churn menjadi tantangan bagi perusahaan telekomunikasi karena dapat menurunkan loyalitas pelanggan serta meningkatkan biaya akuisisi pelanggan baru. Penelitian ini bertujuan menganalisis performa lima algoritma machine learning, yaitu Logistic Regression, K-Nearest Neighbors (KNN), Naïve Bayes, Random Forest, dan XGBoost menggunakan framework CRISP-DM. Proses pengembangan model meliputi penerapan SMOTE untuk menangani class imbalance, optimasi hyperparameter menggunakan GridSearchCV dan refinement tuning, serta evaluasi menggunakan cross-validation untuk meningkatkan kemampuan generalisasi model. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan ROC-AUC dengan penekanan pada kemampuan model dalam mendeteksi pelanggan churn pada data yang tidak seimbang. Hasil penelitian menunjukkan bahwa Random Forest menghasilkan performa terbaik dengan accuracy 0.9276, precision 0.8366, recall 0.9037, F1-score 0.8689, dan ROC-AUC 0.9724. Selain itu, penelitian menerapkan Explainable Artificial Intelligence (XAI) menggunakan SHAP untuk meningkatkan interpretabilitas model serta mengimplementasikan model terbaik ke dalam aplikasi berbasis Streamlit untuk mendukung prediksi customer churn secara interaktif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Lawrensia, Angel (00000084325)
Contributors:	Evelin Johan, Monika
Keywords:	customer churn, machine learning, SHAP, telekomunikasi
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	10 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/47375

Actions (login required)

View Item