GRAHAMITRAGRAHAMITRA
Bulletin of Information System ResearchBulletin of Information System ResearchPrediksi customer churn bertujuan untuk mengklasifikasikan data pelanggan sebelumnya menjadi dua kategori: pelanggan yang akan berhenti berlangganan dan pelanggan yang akan terus berlangganan. Prediksi tersebut memanfaatkan ilmu data mining, peran klasifikasi yang merupakan menempatkan variabel atau objek ke dalam beberapa kategori relevan yang telah ditetapkan sebelumnya. Dalam proses eksekusi data mining, diperlukan sebuah algoritma yang dapat mengklasifikasikan apakah customer churn atau tidak churn. Data yang digunakan terdiri dari 7043 rows dan 21 columns. Didalam data tersebut salah satu kolom akan dijadikan label yaitu kolom Churn‟. Dalam proses prediksi churn, algoritma yang digunakan yaitu Decision Tree dan K-Nearest Neighbor. Dari hasil analisis yang dilakukan, pada algoritma KNN dihasilkan 76% dan Decision Tree 72%. Dengan hasil pemodelan akurasi 72% dan 76%, keduanya memenuhi kriteria kesuksesan >70%. Namun, model KNN dengan akurasi 76% lebih baik dan lebih diinginkan karena memberikan prediksi yang lebih akurat.
Dari hasil analisis yang dilakukan, pada algoritma KNN dihasilkan 76% dan Decision Tree 72%.Dengan hasil pemodelan akurasi 72% dan 76%, keduanya memenuhi kriteria kesuksesan >70%.Namun, model KNN dengan akurasi 76% lebih baik dan lebih diinginkan karena memberikan prediksi yang lebih akurat.Kedua model mungkin belum mencapai performa optimal jika tidak dilakukan tuning hyperparameter yang maksimal.Untuk penelitian selanjutnya, dapat digunakan teknik seperti grid search atau random search untuk menemukan konfigurasi terbaik bagi KNN dan Decision Tree.
Penelitian lanjutan dapat mengeksplorasi penggunaan metode ensemble seperti Random Forest atau XGBoost untuk meningkatkan akurasi prediksi churn. Selain itu, penting untuk mengkaji dampak preprocessing data, terutama dalam menangani ketidakseimbangan data dan nilai missing yang mungkin memengaruhi hasil model. Penelitian juga bisa menguji penerapan algoritma ini pada sektor lain seperti perbankan atau e-commerce untuk melihat tingkat generalisasi dan adaptasi model dalam konteks bisnis yang berbeda.
- Penerapan Algoritma Decision Tree untuk Ulasan Aplikasi Vidio di Google Play | Jurnal Nasional Teknologi... teknosi.fti.unand.ac.id/index.php/teknosi/article/view/2385Penerapan Algoritma Decision Tree untuk Ulasan Aplikasi Vidio di Google Play Jurnal Nasional Teknologi teknosi fti unand ac index php teknosi article view 2385
- IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI PRODUK LARIS | Jurnal Ilmiah Ilmu Komputer Fakultas... doi.org/10.35329/jiik.v7i2.203IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI PRODUK LARIS Jurnal Ilmiah Ilmu Komputer Fakultas doi 10 35329 jiik v7i2 203
- IMPLEMENTASI METODE K-NEAREST NEIGHBOR (KNN) UNTUK SELEKSI CALON KARYAWAN BARU (Studi Kasus : BFI Finance... doi.org/10.36040/jati.v4i2.2656IMPLEMENTASI METODE K NEAREST NEIGHBOR KNN UNTUK SELEKSI CALON KARYAWAN BARU Studi Kasus BFI Finance doi 10 36040 jati v4i2 2656
- ALGORITMA DECISION TREE C.45 DALAM ANALISA KELULUSAN MAHASISWA PROGRAM STUDI MANAJEMEN INFORMATIKA UMPP... doi.org/10.35329/jiik.v8i2.240ALGORITMA DECISION TREE C 45 DALAM ANALISA KELULUSAN MAHASISWA PROGRAM STUDI MANAJEMEN INFORMATIKA UMPP doi 10 35329 jiik v8i2 240
| File size | 1.4 MB |
| Pages | 7 |
| DMCA | Report |
Related /
LITERASISAINSLITERASISAINS Berdasarkan hasil perhitungan menggunakan Algoritma K-Means diperoleh Cluster tinggi sebanyak 6 items (Provinsi), Cluster sedang sebanyak 2 Provinsi danBerdasarkan hasil perhitungan menggunakan Algoritma K-Means diperoleh Cluster tinggi sebanyak 6 items (Provinsi), Cluster sedang sebanyak 2 Provinsi dan
CIPTA MEDIA HARMONICIPTA MEDIA HARMONI Latar Belakang: Perpustakaan berfungsi penting dalam meningkatkan kualitas intelektual masyarakat, namun banyak yang menghadapi tantangan dalam pengelolaanLatar Belakang: Perpustakaan berfungsi penting dalam meningkatkan kualitas intelektual masyarakat, namun banyak yang menghadapi tantangan dalam pengelolaan
WDHWDH Jenis Penelitian ini menggunakan metode deskriptif dengan pendekatan kuantitatif yang mengambil 109 sampel menggunakan teknik sampel purposif dengan caraJenis Penelitian ini menggunakan metode deskriptif dengan pendekatan kuantitatif yang mengambil 109 sampel menggunakan teknik sampel purposif dengan cara
DCCKOTABUMIDCCKOTABUMI Dari penerapan data mining tersebut data diolah dengan menggunakan algoritma apriori untuk dapat memprediksi hasil penjualan produk. Dengan cara melakukanDari penerapan data mining tersebut data diolah dengan menggunakan algoritma apriori untuk dapat memprediksi hasil penjualan produk. Dengan cara melakukan
IRPIIRPI Pengamatan terhadap transaksi data penjualan Pt Citra Mustika Pandawa memberikan pengetahuan dan informasi baru tentang keadaan pasar serta keminatan pelangganPengamatan terhadap transaksi data penjualan Pt Citra Mustika Pandawa memberikan pengetahuan dan informasi baru tentang keadaan pasar serta keminatan pelanggan
TUNASBANGSATUNASBANGSA Dari data pengelompokan tersebut diperoleh 34 provinsi dengan menghasilkan 21 provinsi yakni cluster rendah, cluster sedang sebanyak 12 provinsi, dan clusterDari data pengelompokan tersebut diperoleh 34 provinsi dengan menghasilkan 21 provinsi yakni cluster rendah, cluster sedang sebanyak 12 provinsi, dan cluster
STMIK AMIKBANDUNGSTMIK AMIKBANDUNG Penelitian ini mengelompokkan penyakit pasien menjadi dua cluster, yaitu cluster_0 untuk penyakit akut dan cluster_1 untuk penyakit tidak akut. PengujianPenelitian ini mengelompokkan penyakit pasien menjadi dua cluster, yaitu cluster_0 untuk penyakit akut dan cluster_1 untuk penyakit tidak akut. Pengujian
STMIKLOMBOKSTMIKLOMBOK Analisa terhadap data yang besar dengan metode data mining untuk mendapatkan pola pengetahuan di dalamnya. Penelitian ini melakukan analisa terhadap sentimenAnalisa terhadap data yang besar dengan metode data mining untuk mendapatkan pola pengetahuan di dalamnya. Penelitian ini melakukan analisa terhadap sentimen
Useful /
CAHAYA ICCAHAYA IC Metode yang digunakan adalah campuran metode kualitatif dan kuantitatif dengan instrumen berupa kuesioner yang diadaptasi dari penelitian sebelumnya. SampelMetode yang digunakan adalah campuran metode kualitatif dan kuantitatif dengan instrumen berupa kuesioner yang diadaptasi dari penelitian sebelumnya. Sampel
CAHAYA ICCAHAYA IC Tujuan studi: Penelitian ini bertujuan mengembangkan media pembelajaran bantuan Powtoon untuk meningkatkan keterampilan berpikir kritis siswa kelas VIIITujuan studi: Penelitian ini bertujuan mengembangkan media pembelajaran bantuan Powtoon untuk meningkatkan keterampilan berpikir kritis siswa kelas VIII
UNAMAUNAMA Sedangkan software yang digunakan adalah Weka Data Mining. Hasil penelitian ini membuktikan algoritma FP-Growth memiliki kecepatan dalam pemrosesan dataSedangkan software yang digunakan adalah Weka Data Mining. Hasil penelitian ini membuktikan algoritma FP-Growth memiliki kecepatan dalam pemrosesan data
IRPIIRPI Penelitian ini bertujuan untuk memberikan hasil opini masyarakat tentang analisa sentimen vaksinasi COVID-19 menggunakan algoritma Naïve Bayes ClassifierPenelitian ini bertujuan untuk memberikan hasil opini masyarakat tentang analisa sentimen vaksinasi COVID-19 menggunakan algoritma Naïve Bayes Classifier