Klasifikasi Pelanggan pada Customer Churn Prediction Menggunakan Decision Tree
Main Article Content
Abstract
Kompetisi dalam dunia perdagangan semakin meningkat. Perusahaan membutuhkan klasifikasi pelanggan untuk megetahui tingkat loyalitas pelanggan. Data-data pelanggan yang tersedia dapat dimanfaatkan untuk mengklasifikasikan loyalitas pelanggan. Klasifikasi pelanggan dapat dilakukan dengan Customer Churn Prediction. Penentuan proses klasifikasi data dalam menemukan informasi dan pengetahuan dapat dilakukan dengan data mining. Salah satu metode yang digunakan pada data mining untuk prediksi adalah decision tree, representasi sederhana dari teknik klasifikasi. Dalam penelitian ini algoritma yang digunakan untuk membangun decision tree adalah algoritma C4.5. Data yang digunakan berjumlah 996 data set sample pelanggan dengan artibut gender, umur, metode pembayaran, dan jumlah transaksi. Tujuan dari penelitian ini adalah mengklasifikasi pelanggan dengan menggunakan decision tree. Klasifikasi dilakukan berdasarkan nilai confidence pelanggan termasuk loyal atau churn. Dari hasil klasifikasi, menunjukan 61 pelanggan loyal dan 35 pelanggan churn, kemudian diakumulasikan total pelanggan loyal menjadi 636 pelanggan dan pelanggan churn 357 pelanggan.
Article Details
References
Govindaraju, R., Simatapung, T., & Samadhi, A, T., 2008. Perancangan Sistem Prediksi Churn Pelanggan PT. Telekomunikasi Seluler Dengan Memanfaatkan Proses Data Mining. Jurnal Informatika. 9(1), 33-42.
Azmi, Zulfian., & Dahria, Muhammad., 2013. Decision Tree Berbasis Algoritma untuk Pengambilan Keputusan. Jurnal SAINTIKOM. 12(3), 157-164.
Meilina, Popy., 2015. Penerapan Data Mining dengan Metode Klasifikasi Menggunakan Decision Tree dan Regresi. Jurnal Teknologi. 7(1), 12-30.
Kamagi, D. H., & Hansun, S., 2014. Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa. ULTIMATICS. 6(1), 15-18.