IRPIIRPI
MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer ScienceMemprediksi pelanggan lapser menjadi tantangan utama di sektor layanan data yang kompetitif, disertai tingginya biaya akuisisi pelanggan baru. Penelitian ini mengusulkan pendekatan feature selection menggunakan Boruta untuk meningkatkan akurasi model lapser, dengan menerapkan teknik wrapper pada Random Forest. Proses modeling lapser prediction menggunakan algoritma machine learning Gradient Boosting yang dianalisis sebelum dan sesudah seleksi fitur Boruta. Hasil eksperimen pada data menunjukkan bahwa Boruta efektif dalam meningkatkan metrik utama (akurasi, recall, dan AUC). Model Gradient Boosting meraih akurasi hingga 75.10%, recall 74.42%, dan AUC 82.18% setelah menggunakan Boruta. Sebelum menggunakan Boruta nilai akurasi 71.74%, recall 68.74%, dan AUC hanya 77.77%. Temuan tersebut menegaskan bahwa pendekatan yang diusulkan dapat memprediksi lapser secara lebih dini, serta membantu penyusun kebijakan menyusun strategi retensi pelanggan yang lebih efektif, sehingga meminimalkan potensi kerugian dan memperkuat daya saing di pasar.
Penelitian ini menunjukkan bahwa penggunaan metode feature selection Boruta secara signifikan meningkatkan kinerja model prediksi pelanggan lapser.Dengan menyaring 191 fitur menjadi 140 fitur relevan, Boruta berhasil menyederhanakan data tanpa kehilangan informasi penting, sekaligus meningkatkan akurasi model Gradient Boosting dari 71.Hasil ini menunjukkan bahwa Boruta efektif dalam mengurangi noise dan meningkatkan fokus model pada fitur-fitur utama seperti usia kartu, pendapatan, konsumsi kuota, dan frekuensi pengisian ulang.Model yang dihasilkan berpotensi digunakan oleh industri layanan data untuk mendeteksi pelanggan berisiko tinggi lebih awal dan merancang strategi retensi yang lebih tepat sasaran.
Saran pertama adalah mengembangkan penelitian untuk membandingkan kinerja Boruta dengan metode seleksi fitur lain seperti SHAP atau Recursive Feature Elimination dalam konteks prediksi lapser. Saran kedua adalah mengintegrasikan pendekatan time-aware model untuk mempertimbangkan dinamika waktu dalam perilaku pelanggan, yang belum dieksplorasi dalam penelitian ini. Saran ketiga adalah menguji model alternatif seperti CatBoost atau Neural Network untuk validasi hasil dan meningkatkan akurasi prediksi dalam skenario bisnis yang lebih dinamis, dengan mempertimbangkan kompleksitas data pelanggan yang terus berubah.
| File size | 701.15 KB |
| Pages | 10 |
| DMCA | Report |
Related /
DINASTIRESDINASTIRES Penelitian ini memberikan kontribusi teoretis bagi studi resepsi dan komunikasi budaya digital, serta kontribusi praktis bagi produksi konten budaya berbasisPenelitian ini memberikan kontribusi teoretis bagi studi resepsi dan komunikasi budaya digital, serta kontribusi praktis bagi produksi konten budaya berbasis
IPBIPB Terdapat dua faktor: faktor komposisi pot organik (A) dan faktor ukuran mesh (M). Parameter yang diamati meliputi rasio C/N pot organik, tinggi, diameter,Terdapat dua faktor: faktor komposisi pot organik (A) dan faktor ukuran mesh (M). Parameter yang diamati meliputi rasio C/N pot organik, tinggi, diameter,
IPBIPB Penelitian ini menyimpulkan bahwa waktu minimum untuk menghasilkan kompos dari kulit singkong dan kotoran kambing dengan parameter pH sesuai SNI adalahPenelitian ini menyimpulkan bahwa waktu minimum untuk menghasilkan kompos dari kulit singkong dan kotoran kambing dengan parameter pH sesuai SNI adalah
IPBIPB Pemanfaatan limbah cair dan janjang kosong (FFB) berpotensi mengurangi emisi GRK secara signifikan, masing-masing sebesar 17.03% dan 33.98%. Optimasi pemanfaatanPemanfaatan limbah cair dan janjang kosong (FFB) berpotensi mengurangi emisi GRK secara signifikan, masing-masing sebesar 17.03% dan 33.98%. Optimasi pemanfaatan
IPBIPB Pengolahan lindi TPA penting untuk dilakukan untuk mengurangi potensi pencemaran air di lingkungan sekitarnya. Sistem constructed wetland dapat menjadiPengolahan lindi TPA penting untuk dilakukan untuk mengurangi potensi pencemaran air di lingkungan sekitarnya. Sistem constructed wetland dapat menjadi
IPBIPB Masyarakat lokal Pulau Laut di Kalimantan selama ini melakukan usaha pertanian berpindah untuk mengelola kegiatan pertanian pangan di hutan akibat rendahnyaMasyarakat lokal Pulau Laut di Kalimantan selama ini melakukan usaha pertanian berpindah untuk mengelola kegiatan pertanian pangan di hutan akibat rendahnya
UNSOEDUNSOED ) yang juga menunjukkan potensi antioksidan yang sangat kuat. Analisis LC-HRMS mengidentifikasi beberapa senyawa penyumbang aktivitas biologis, menunjukkan) yang juga menunjukkan potensi antioksidan yang sangat kuat. Analisis LC-HRMS mengidentifikasi beberapa senyawa penyumbang aktivitas biologis, menunjukkan
UNISLAUNISLA Data diperoleh melalui transkripsi percakapan dalam video animasi dan kemudian dianalisis berdasarkan jenis pelanggaran maksim. Hasil penelitian menunjukkanData diperoleh melalui transkripsi percakapan dalam video animasi dan kemudian dianalisis berdasarkan jenis pelanggaran maksim. Hasil penelitian menunjukkan
Useful /
IRPIIRPI Hasil penelitian ini berkontribusi dalam menyediakan media pembelajaran tafsir digital berbasis AI yang efisien dan kontekstual, serta menjadi solusi potensialHasil penelitian ini berkontribusi dalam menyediakan media pembelajaran tafsir digital berbasis AI yang efisien dan kontekstual, serta menjadi solusi potensial
UMJAMBIUMJAMBI Populasi dalam penelitian ini adalah perusahaan subsektor perbankan yang terdaftar di Bursa Efek Indonesia selama dua tahun (2021-2022). Sedangkan sampelPopulasi dalam penelitian ini adalah perusahaan subsektor perbankan yang terdaftar di Bursa Efek Indonesia selama dua tahun (2021-2022). Sedangkan sampel
EDUPEDEDUPED Pencapaian hasil belajar peserta didik secara umum telah melampaui KKM, sehingga pembelajaran bongkar pasang melalui aplikasi Phet Virtual Laboratory dikatakanPencapaian hasil belajar peserta didik secara umum telah melampaui KKM, sehingga pembelajaran bongkar pasang melalui aplikasi Phet Virtual Laboratory dikatakan
EDUPEDEDUPED Analisis data pada penelitian kualitatif yaitu menafsirkan hasil observasi yang peneliti lakukan, sedangkan analisis pada penelitian kuantitatif menggunakanAnalisis data pada penelitian kualitatif yaitu menafsirkan hasil observasi yang peneliti lakukan, sedangkan analisis pada penelitian kuantitatif menggunakan