Prediksi Keputusan Pelanggan Menggunakan Extreme Learning Machine Pada Data Telco Customer Churn
| Main Author: | Tisantri, Daris Hadyan |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/180932/1/Daris%20Hadyan%20Tisantri%20%282%29.pdf http://repository.ub.ac.id/180932/ |
| ctrlnum |
180932 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/180932/</relation><title>Prediksi Keputusan Pelanggan Menggunakan Extreme
Learning Machine Pada Data Telco Customer Churn</title><creator>Tisantri, Daris Hadyan</creator><subject>006.31 Machine learning</subject><description>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%</description><date>2020-01-06</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/180932/1/Daris%20Hadyan%20Tisantri%20%282%29.pdf</identifier><identifier> Tisantri, Daris Hadyan (2020) Prediksi Keputusan Pelanggan Menggunakan Extreme Learning Machine Pada Data Telco Customer Churn. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FILKOM/2020/194/052003384</relation><recordID>180932</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Tisantri, Daris Hadyan |
| title |
Prediksi Keputusan Pelanggan Menggunakan Extreme
Learning Machine Pada Data Telco Customer Churn |
| publishDate |
2020 |
| topic |
006.31 Machine learning |
| url |
http://repository.ub.ac.id/180932/1/Daris%20Hadyan%20Tisantri%20%282%29.pdf http://repository.ub.ac.id/180932/ |
| contents |
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% |
| id |
IOS4666.180932 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2021-10-28T07:03:40Z |
| last_indexed |
2021-10-28T07:03:40Z |
| recordtype |
dc |
| _version_ |
1751453869975535616 |
| score |
17.538404 |