UBMUBM
Jurnal Algoritma, Logika dan KomputasiJurnal Algoritma, Logika dan KomputasiPersaingan yang semakin ketat dalam dunia perdagangan modern menuntut perusahaan untuk menerapkan strategi retensi pelanggan yang proaktif, menjadikan prediksi customer churn (pelanggan yang berhenti menggunakan layanan) sebagai fokus utama. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi yang memanfaatkan data pelanggan historis guna mengidentifikasi secara dini pelanggan yang berpotensi churn atau tetap loyal. Metode yang digunakan adalah Data Mining, khususnya teknik Klasifikasi, dengan memilih algoritma Decision Tree C4.5 karena keunggulannya dalam menghasilkan aturan keputusan yang transparan dan mudah diinterpretasikan. Dataset yang dianalisis melibatkan 996 sampel pelanggan, mencakup berbagai atribut penting seperti jenis kelamin, usia, metode pembayaran, dan riwayat transaksi. Klasifikasi dilakukan untuk memprediksi status pelanggan ke dalam salah satu dari dua kategori target: loyal atau churn. Hasil pengujian menunjukkan bahwa model yang dibangun mampu mengklasifikasikan 636 pelanggan (sekitar 63.8%) sebagai kategori loyal dan 360 pelanggan (sekitar 36.2%) sebagai kategori churn, dengan mencapai tingkat akurasi model sebesar 98%. Temuan ini menunjukkan efektivitas Decision Tree C4.5 dalam memetakan pola loyalitas pelanggan. Secara praktis, model ini berkontribusi dalam menyediakan wawasan yang terukur bagi perusahaan untuk merumuskan inisiatif pemasaran dan retensi yang lebih tepat sasaran.
Berdasarkan hasil dan pembahasan, dengan menggunakan metode Decision Tree dan algoritma C4.5 dapat diprediksi klasifikasi pelanggan ke dalam pelanggan loyal atau pelanggan churn.Dalam mengklasifikasi, klasifikasi loyal jika confidence loyal lebih besar daripada confidence churn sedangkan klasifikasi churn jika confidence churn lebih besar daripada confidence loyal.Dari hasil klasifikasi, menunjukan 61 pelanggan loyal dan 35 pelanggan churn, kemudian dapat diakumulasikan total pelanggan loyal adalah 636 pelanggan dan pelanggan churn 357 pelanggan.5 terbukti efektif dalam mengklasifikasikan pelanggan menjadi loyal dan churn.Proses klasifikasi berdasarkan nilai confidence menghasilkan prediksi yang membantu perusahaan dalam memahami karakteristik pelanggan serta mendukung pengambilan keputusan strategis.
Berdasarkan penelitian ini, saran penelitian lanjutan yang dapat dilakukan adalah: 1. Mengembangkan model yang lebih kompleks dengan menggabungkan berbagai algoritma dan teknik data mining untuk meningkatkan akurasi prediksi. 2. Menganalisis faktor-faktor lain yang dapat mempengaruhi loyalitas pelanggan, seperti kualitas layanan, pengalaman pengguna, dan faktor-faktor psikologis. 3. Menerapkan model ini pada dataset yang lebih besar dan beragam untuk menguji keandalannya dalam skala yang lebih luas. Dengan menggabungkan saran-saran ini, penelitian selanjutnya dapat meningkatkan kemampuan perusahaan dalam memahami dan mempertahankan pelanggan, serta mengembangkan strategi pemasaran yang lebih efektif.
- K-Nearest Neighbor for Classification of Tomato Maturity Level Based on Hue, Saturation, and Value Colors... doi.org/10.24014/ijaidm.v2i2.7975K Nearest Neighbor for Classification of Tomato Maturity Level Based on Hue Saturation and Value Colors doi 10 24014 ijaidm v2i2 7975
- Vol. 2 No. 2 (2024): (JGIT) Jurnal Greenation Ilmu Teknik (Mei - Juli 2024) | Jurnal Greenation Ilmu... doi.org/10.38035/jgit.v2i2Vol 2 No 2 2024 JGIT Jurnal Greenation Ilmu Teknik Mei Juli 2024 Jurnal Greenation Ilmu doi 10 38035 jgit v2i2
- Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree | CogITo Smart Journal.... cogito.unklab.ac.id/index.php/cogito/article/view/115Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree CogITo Smart Journal cogito unklab ac index php cogito article view 115
- Human Face Identification Using Haar Cascade Classifier and LBPH Based on Lighting Intensity | Hadi |... ejournal.uin-suska.ac.id/index.php/IJAIDM/article/view/15245Human Face Identification Using Haar Cascade Classifier and LBPH Based on Lighting Intensity Hadi ejournal uin suska ac index php IJAIDM article view 15245
| File size | 567.2 KB |
| Pages | 8 |
| DMCA | Report |
Related /
UMGUMG Penelitian menyimpulkan bahwa SVM merupakan algoritma paling efektif untuk data ini, dengan rekomendasi penelitian lanjutan menguji algoritma ensemblePenelitian menyimpulkan bahwa SVM merupakan algoritma paling efektif untuk data ini, dengan rekomendasi penelitian lanjutan menguji algoritma ensemble
PELITABANGSAPELITABANGSA Hasil pengujian pada data validasi menunjukkan performa deteksi yang baik dengan nilai precision sebesar 0,958, recall 0,934, mAP@50 sebesar 0,972, danHasil pengujian pada data validasi menunjukkan performa deteksi yang baik dengan nilai precision sebesar 0,958, recall 0,934, mAP@50 sebesar 0,972, dan
UNRAMUNRAM Penelitian ini dilakukan untuk menganalisis perilaku belanja online mahasiswa menggunakan algoritma K-Means sebagai teknik pengelompokan dalam data mining.Penelitian ini dilakukan untuk menganalisis perilaku belanja online mahasiswa menggunakan algoritma K-Means sebagai teknik pengelompokan dalam data mining.
UNRAMUNRAM 6812 mengindikasikan bahwa sistem memiliki performa yang baik dalam menghasilkan ringkasan. Algoritma Textrank berhasil diimplementasikan untuk peringkasan6812 mengindikasikan bahwa sistem memiliki performa yang baik dalam menghasilkan ringkasan. Algoritma Textrank berhasil diimplementasikan untuk peringkasan
PELITABANGSAPELITABANGSA Kinerja diukur menggunakan akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SVM lebih unggul dibandingkan Naive Bayes, dengan akurasi 97%,Kinerja diukur menggunakan akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SVM lebih unggul dibandingkan Naive Bayes, dengan akurasi 97%,
UMGUMG Penelitian ini menerapkan dan mengevaluasi algoritma machine learning, khususnya K-Nearest Neighbors (KNN). Proses pemodelan dilakukan melalui pembagianPenelitian ini menerapkan dan mengevaluasi algoritma machine learning, khususnya K-Nearest Neighbors (KNN). Proses pemodelan dilakukan melalui pembagian
URINDOURINDO Populasi penelitian adalah seluruh karyawan divisi Phone Verification yang berjumlah 50 orang, dan seluruh populasi dijadikan sampel melalui teknik samplingPopulasi penelitian adalah seluruh karyawan divisi Phone Verification yang berjumlah 50 orang, dan seluruh populasi dijadikan sampel melalui teknik sampling
UAIUAI Kegiatan evaluasi juga dilakukan melalui pertunjukan tari dengan menampilkan tarian Bedug Warnane yang sekaligus untuk mengetahui pencapaian pembelajaran.Kegiatan evaluasi juga dilakukan melalui pertunjukan tari dengan menampilkan tarian Bedug Warnane yang sekaligus untuk mengetahui pencapaian pembelajaran.
Useful /
UBMUBM Setelah game ini selesai dikembangkan, maka pada tahapan Testing dilakukan pengujian dimana hasilnya adalah semua button dan scene dalam game ini sudahSetelah game ini selesai dikembangkan, maka pada tahapan Testing dilakukan pengujian dimana hasilnya adalah semua button dan scene dalam game ini sudah
BDKJAKARTABDKJAKARTA Sampel diperoleh dari populasi seluruh peserta didik SMPIT Al-Musyarrofah menggunakan tehnik cluster random sampling. Hasil penelitian menunjukkan bahwaSampel diperoleh dari populasi seluruh peserta didik SMPIT Al-Musyarrofah menggunakan tehnik cluster random sampling. Hasil penelitian menunjukkan bahwa
UNRAMUNRAM Total data yang digunakan dalam penelitian ini adalah 360 gambar tubuh cumi-cumi yang telah dipotong dan dirubah ukurannya menjadi 128 x 128 piksel untukTotal data yang digunakan dalam penelitian ini adalah 360 gambar tubuh cumi-cumi yang telah dipotong dan dirubah ukurannya menjadi 128 x 128 piksel untuk
UNRAMUNRAM Perbandingan menunjukkan bahwa waktu akses bot Telegram lebih cepat daripada versi web berbasis web. Dari penelitian yang telah dilakukan, dapat disimpulkanPerbandingan menunjukkan bahwa waktu akses bot Telegram lebih cepat daripada versi web berbasis web. Dari penelitian yang telah dilakukan, dapat disimpulkan