ABSTRAKSI: Churn (berhenti layanan) merupakan fenomena yang sering terjadi dalam dunia industri telekomunikasi. Dengan semakin ketatnya persaingan antar industri telekomunikasi, pelanggan bisa mempunyai berbagai macam pilihan dalam menentukan provider telekomunikasi yang dibutuhkannya. Oleh karena itu setiap perusahaan telekomunikasi tentu akan melakukan berbagai tindakan untuk mendapatkan pelanggan baru dan mempertahankan pelanggan yang ada saat ini. Namun dari sudut pandang bisnis, cost yang diperlukan untuk menggaet pelanggan baru akan jauh lebih besar dibandingkan dengan cost untuk memelihara pelanggan yang sudah ada. Oleh karena itu upaya untuk mencegah terjadinya churn tentu mendapat perhatian bagi perusahaan telekomunikasi. Pada penelitian ini studi kasus yang digunakan yaitu data pelanggan churn telkom speedy periode 2010-2013 untuk wilayah kota Bandung dan sekitarnya.
Pendekatan pemecahan masalah yaitu dengan mencari karakteristik pelanggan yang melakukan churn. Teknik yang akan digunakan pada penelitian ini yaitu teknik Characteristic Rule Mining. Yaitu teknik untuk mencari kumpulan rule antar kombinasi item yang terdapat pada dataset. Kelebihan teknik ini kita dapat mengetahui hubungan tersembunyi antar item serta informasi berupa rule yang dapat lebih mudah dimengerti oleh end user. Sedangkan algoritma yang akan digunakan adalah algoritma Single layer Supervised Neural Network(SSNN). Tingkat keberhasilan Algoritma SSNNs pada data testing yaitu 100% dengan minimum support 0.25 dan menggunakan tendency support 0.5.Kata Kunci : Characteristic Rule MIning, Churn, Single layer Supervised NeuralABSTRACT: Churn (stop of service) is a common phenomenon in the telecommunication industries. With the increasing competition among the telecommunications industries, customers can have more options in determining the needs of telecommunication. Therefore telecommunications company will certainly perform a variety of actions to gain new customers and retain existing customers. From a business view, the cost required to attract new customers will be more greater than the cost to maintain existing customers. Therefore, the efforts to prevent churn is certainly a concern for telecommunications companies. In this research, a case study is used which is a data telkom speedy customer churn period 2010-2013 for the city of Bandung and around.
Problem-solving approach that will be used in this study using techniques Characteristic Rule Mining. Is a technique to find the set of rule inter combination of items contained in the dataset. Advantages of this technique we can find hidden relationships between items and information in the form of rule can be more easily understood by the end user. While the algorithm will be use is single-layer algorithm Supervised Neural Network (SSNN). SSNNs algorithm success rate on the testing data is 100% with a minimum support 0.25 and using support tendency 0.5.Keyword: Neural Network, Rule Mining, Characteristic Rule, Churn Costumer