Optimasi Model Artificial Neural Network Dalam Sistem Klasifikasi Customer Churn Berbasis Web

Wijaya, Willy (2024) Optimasi Model Artificial Neural Network Dalam Sistem Klasifikasi Customer Churn Berbasis Web. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (2MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB V.pdf - Published Version Download (1MB)

Abstract

Pelanggan merupakan salah satu aset penting dalam dunia bisnis yang dinamis dan pasar yang kompetitif. Namun, mereka dapat dengan mudah berpindah ke layanan lain, yang biasa disebut Customer Churn. Salah satu alasan utama churn adalah ketidakpuasan pelanggan terhadap layanan yang diberikan. Bagi banyak perusahaan, khususnya di sektor telekomunikasi, customer churn merupakan masalah besar karena berdampak langsung pada pendapatan perusahaan. Salah satu rencana strategi yang paling menguntungkan adalah mempertahankan pelanggan untuk terus berlangganan karena strategi ini relatif murah dibandingkan mendapatkan pelanggan baru yang biayanya 6 hingga 10 kali lipat. Namun, terciptalah tantangan baru yaitu bagaimana cara untuk mengetahui pelanggan mana saja yang memiliki potensi churn sehingga dapat dipertahankan. Oleh karena itu, banyak peneliti telah membuat model untuk melakukan klasifikasi pelanggan mana yang akan churn, salah satunya menggunakan Artificial Neural Network. Penelitian ini bertujuan untuk mengoptimalkan model agar mendapatkan hasil yang lebih baik dengan cara membuat model baru berdasarkan dari penelitian sebelumnya dan menambahkan beberapa teknik pengolahan data. Maka dari itu, penelitian ini menggunakan Artificial Neural Network sebagai model algoritmanya, ROS dan SMOTE sebagai teknik penyeimbangan datanya, dan beberapa algoritma lainnya yaitu XGBoost, Lasso Regression dan mRMR untuk pemilihan fitur. Hasil akurasi model pada penelitian ini mencapai 88.50% dan cukup memuaskan karena meningkat sebesar 0.38% dari model penelitian sebelumnya yang mencapai 88.12%.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Customer Churn, Classification, ANN, ROS, XGBoost
Subjects:	000 Karya Umum > 005 Pemograman > 005.74 Database
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	29 Apr 2025 11:47
Last Modified:	29 Apr 2025 11:47
URI:	https://repositori.buddhidharma.ac.id//id/eprint/2591

Actions (login required)

View Item