Implementasi Data Mining Untuk Memprediksi Customer Churn Menggunakan Algoritma Naive Bayes

Abstract

Abstrak
Telkomsel merupakan perusahaan telekomunikasi yang paling banyak diminati oleh masyarakat Indonesia. Pada
tahun 2018, perusahaan telkomsel memiliki jumlah pelanggan aktif sebanyak 163 juta pelanggan aktif. Namun, Tidak
banyak pula pelanggan setia Telkomsel beralih ke operator lain. Dikabarkan bahwa, pada semester satu 2019
pelanggan telkomsel berkurang sebesar 5,7% dari yang awalnya 177,9 juta menjadi 167,8 juta pelanggan. Hal ini
dikarenakan belum adanya suatu pemanfaatan data mining untuk memprediksi customer churn. Dengan
memanfaatkan implementasi data mining menggunakan algoritma naive bayes untuk memprediksi customer churn.
Sehingga, pada penelitian ini akan menggunakan algoritma naive bayes dan data total konsumsi kuota pelanggan
setiap harinya selama satu bulan untuk memprediksi customer churn dan non-churn. Dari penelitian ini, peneliti
mendapatkan hasil akurasi tertinggi sebesar 83,02%. Dari hasil prediksi pelanggan non-churn tersebut didapat hasil
precision 84,90% dan recall 80,31% sehingga menghasilkan F1-measure sebesar 82,54%. Kemudian dari hasil
prediksi customer churn t , diperoleh precision sebesar 81,43% dan recall 85,56 sehingga menghasilkan F1-measure
sebesar 83,44%. Selain f1-measure, pada penelitian ini, menerapkan k-fold cross validation dan menghasilkan skor
sebesar 82,94%. Dari hasil penelitian ini diharap dapat memberikan informasi yang bermanfaat bagi stakeholder
terutama pihak perusahaan dalam pengambilan keputusan untuk mencegah terjadinya customer churn.
Kata kunci : Telkomsel, data mining, customer churn, naive bayes, prediksi.
Abstract
Telkomsel is a telecommunication company that is most in demand by Indonesians. In 2018, the Telkomsel company
had a total of 163 million active subscribers. However, many Telkomsel loyal customers have switched to other
operators. It is reported that in the first semester of 2019, Telkomsel subscribers decreased by 5.7% from 177.9 million
to 167.8 million subscribers. This is due the lack of a data mining utilization to predict customer churn. By utilizing
data mining implementation using naive bayes algorithm to predict customer churn. So, in this study will use naive
bayes algorithm and data on total customer quota consumption every day for one month to predict customer churn and
non-churn. From this study, researchers got the highest accuracy result of 83.02%. From the prediction results of nonchurn customers, the precision results are 84.90% and the recall is 80.31%, resulting in an F1-measure of 82.54%.
Then from the prediction results of customer churn t, a precision of 81.43% and a recall of 85.56 is obtained, resulting
in an F1-measure of 83.44%. In addition to f1-measure, this study applies k-fold cross validation and produces a score
of 82.94%. From the results of this study, it is hoped that it can provide useful information for stakeholders, especially
the company in making decisions to prevent customer churn.
Keywords : Telkomsel, data mining, customer churn, naive bayes, prediction.