implementasi algoritma balanced random forest untuk churn prediction
FAUZIAH RIZQI
Informasi Umum
Kode
17.04.054
Klasifikasi
620.007 - Engineering research
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Mining-advanced Topics
Dilihat
229 kali
Informasi Lainnya
Abstraksi
Churn adalah suatu fenomena dimana para pelanggan berpindah akibat tidak puas atas layanan yang diberikan, ataupun memutuskan untuk pindah dari provider satu ke provider yang lainnya karena tergiur penawaran fasilitas dan harga yang lebih menarik. Oleh karena itu, diperlukan prediksi awal untuk pengklasifikasian pelanggan yang diprediksi churn atau bukan, serta menganalisis atribut utama penentu prediksi awal churn. Namun, karakteristik dari data churn adalah data yang imbalanced class. Sehingga pada penelitian ini diimplementasikan metode balanced random forest untuk mengatasi data imbalance class serta dilakukan pengujian terhadap perbedaan jumlah pohon dan jumlah atribut pemecah. Dari hasil pengujian didapatkan bahwa penambahan jumlah pohon dan atribut pemecah meningkatkan nilai akurasi dan mengurangi nilai OOB error rate yang dihasilkan dengan nilai optimal jumlah pohon sebanyak 500 dan jumlah atributnya yaitu 9 dengan nilai rata-rata akurasi 79,05%. Serta atribut penentu utama prediksi awal yaitu jenis layanan yang dipakai pelanggan, disusul oleh kombinasi kategori penggunaan voice per hari selama seminggu, dan kombinasi dari variabel kategori panggilan.
Kata Kunci : churn, klasifikasi, balanced random forest, imbalance class.
- CDG4K3 - DATA MINING
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | FAUZIAH RIZQI |
| Jenis | Perorangan |
| Penyunting | Shaufiah, Veronikha Effendy |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom |
| Kota | Bandung |
| Tahun | 2017 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
