Costumer Relationship Management (CRM) merupakan sebuah strategi bisnis yang berorientasi pada pelanggan, dengan tujuan untuk memaksimalkan profit perusahaan dan kepuasan pelanggan. Salah satu aplikasi dari CRM adalah prediksi Churn. Churn mempunyai makna pelanggan memutuskan untuk keluar dari provider dan beralih ke provider lainnya atau ketidaksetiaan pelanggan. Prediksi Churn dapat dilakukan dengan menggunakan teknik Data Mining. Teknik Data Mining yang dapat digunakan untuk melakukan prediksi Churn yaitu teknik klasifikasi. Klasifikasi merupakan proses pembelajaran suatu fungsi yang memetakan tiap record atribut x ke kelas y yang telah didefinisikan sebelumnya. Teknik klasifikasi yang digunakan untuk prediksi Churn menggunakan metode Logistic Regression dan Decision Tree. Pada Logistic Regression pembentukan model berbasiskan persamaan dan kurva Logistic Regression. Sedangkan pada Decision Tree berbasiskan pohon keputusan. Data yang digunakan pada penelitian ini sebanyak 10000 record dengan jumlah atribut data yang digunakan untuk prediksi Churn pada Logistic Regression dan Decision Tree sebanyak lima atribut yaitu tagihan, waktu berlangganan, rata-rata gangguan, paket yang digunakan, dan banyaknya produk yang digunakan. Hasil penelitian menunjukkan Decision Tree menghasilkan performansi lebih baik dibandingkan Logistic Regression dengan nilai akurasi 94,42% dan waktu 0,064 second. Sedangkan performansi yang dihasilkan metode Logistic Regression dengan akurasi sebesar 80,73% dan waktu 0,935 second. Penelitian lebih lanjut menunjukkan performansi terbaik pada metode Decisian Tree menggunakan satu atribut tagihan.
Kata kunci: Prediksi Churn, Data Mining, Klasifikasi, Logistic Regression, Decision Tree.