Using Deep Learning To Predict Customer Churn In A Mobile Telecomunication Network

Muhammad Fikrie Abdillah, Jondri Nasri, Annisa Aditsania

Abstract

Turun naiknya jumlah pelanggan merupakan salah satu masalah besar pada perusahaan jaringan telekomunikasi selular. Pada tugas akhir ini, akan dibangun sebuah sistem prediksi terhadap turun naiknya pelanggan pada layanan jaringan telekomunikasi selular menggunakan arsitektur jaringan Multilayer Perceptron. Selain menggunakan arsitektur jaringan Multilayer Perceptron dilakukan juga implementasi sistem dengan menggunakan Autoencoder untuk mendapatkan bobot yang optimal. Dari metode dan sistem yang digunakan dilakukan perhitungan menggunakan F-Measure didapatkan nilai precision sebesar 70,2 % dan Recall sebesar 70,27 %. Untuk nilai akurasi sebesar 81,35 % pada data training. Didapatkan nilai Precision sebesar 80,4 % dan Recall sebesar 63,07 %. Pada nilai akurasi sebesar 83,12 % untuk data testing. Dengan nilai akurasi yang cukup besar maka metode Deep Learning layak untuk digunakan dalam prediksi Churn.

Kata Kunci : Prediksi Churn, Deep Learning, Deep Neural Network, Multilayer Perceptron,Autoencoders, F- Measure

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0