Tisantri, Daris Hadyan (2020) Prediksi Keputusan Pelanggan Menggunakan Extreme Learning Machine Pada Data Telco Customer Churn. Sarjana thesis, Universitas Brawijaya.
Abstract
Pada zaman sekarang, banyak sekali perusahaan dan instansi yang berkompetisi menawarkan jasa seperti internet dan telekomunikasi yang menggunakan sistem berlangganan untuk menjual jasanya sehingga perusahaan tersebut harus berkompetisi melalui strategi pemasaran. Faktor penting dalam pengulangan pembelian pada pelanggan yaitu loyalitas. Loyalitas mempunyai hubungan berbanding lurus dengan performa bisnis. Faktor pemasaran dan loyalitas pelanggan inilah yang mengakibatkan banyaknya pelanggan yang berpindah/berhenti dari perusahaan satu dengan yang lain sejenis sehingga beberapa perusahaan kehilanngan pelanggan (Churn) yang mengakibatkan turunnya revenue. Jika perusahaan atau instansi dapat memprediksi churn, perusahaan atau instansi dapat mengantisipasi agar pelanggan tersebut tidak berhenti berlangganan. Pada penelitian ini, data yang digunakan pada penelitian berasal dari Kaggle yang bersumber dari IBM Sample Data Sets. Data ini terdiri dari 7043 data yang terdiri dari 20 fitur dengan dua kelas yaitu yesjika pelanggan churn dan no jika pelanggan tidak churn. Kemudian data akan dieliminasi fitur yang tidak digunakan menggunakan korelasi Pearson. Kemudian data akan dilatih menggunakan Extreme Learning Machine untuk memprediksi pelanggan akan churn atau tidak. Hasil dari penelitian adalah mendapatkan akurasi sebesar 76,96%, precision churn sebesar 65,45%, precision non churn sebesar 78,65%, recall churn sebesar 29,38%, recall non churn sebesar 94,19%
English Abstract
In this modern era many company and institution compete to sell their services like internet and telecommunication that use subscription system to sell their services. Because of that, company must compete via marketing strategy. Main factor for customer to continuously extend their subscription is loyalty. Loyalty have directly proportional with business performance. Because of marketing factor and customer loyalty, many customers changed or stopped their subscription from one and another similar company and makes some company lost their customer and revenue. If company or institution can predict churn, they can anticipate so that customer didn’t churn. In this research, the dataset that used for this research is from Kaggle sourced from IBM Sample Data Sets. This dataset consists of 7043 data that have 20 features with two classes yes if the customer churn and no if the customer is not churn. After that, the feature on the dataset that not used will be eliminated with Pearson correlation. After that the data will be trained on Extreme Learning Machine to predict customer will churn or not. Result of this research is the system can get accuracy 76,96%, precision churn 65,45%, precision non churn 78,65%, recall churn 29,38%, recall non churn 94,19%
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/194/052003384 |
| Uncontrolled Keywords: | Prediksi churn, Extreme Learning Machine, loyalitas, Churn Prediction, Extreme Learning Machine, Loyalty |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 10 Aug 2020 06:53 |
| Last Modified: | 14 Apr 2023 01:14 |
| URI: | http://repository.ub.ac.id/id/eprint/180932 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Daris Hadyan Tisantri (2).pdf Restricted to Registered users only until 31 December 2023. Download (5MB) |
Actions (login required)
 |
View Item |