Sebagian besar pendapatan perusahaan telekomunikasi berasal dari pelanggan. Maka dari itu setiap perusahaan akan berusaha untuk memberikan pelayanan terbaik untuk mempertahankan pelanggan. Namun demikian, banyaknya perusahaan telekomunikasi membuat persaingan mendapatkan pelanggan semakin ketat sehingga pelanggan akan berpotensi churn. Prediksi churn merupakan cara untuk mendeteksi perpindahan pelanggan dari satu provider ke provider lainya. Masalah yang ditemukan ketika melakukan prediksi churn adalah tidak seimbangnya data (imbalanced data) antara kelas churn dan tidak churn. Pada penelitian ini digunakan metode underbagging dan logistic regresion. Metode underbagging digunakan untuk menangani kasus imbalanced data yang mana memungkinkan menghapus penggunaan data dengan kelas not churn sehingga kesenjangan proporsi kelas not churn dan churn berkurang. Logistic regresion merupakan teknik klasifikasi biner untuk memaksimalkan fungsi probabilitas dalam pencocokan terhadap data yang akan diolah. Penelitian ini menghasilkan sebuah sistem yang berguna untuk mengidentifikasi pelanggan yang akan melakukan churn. Uji coba sistem menggunakan data Perusahaan Telekomunikasi menghasilkan akurasi prediksi sebesar 88.23% dan mampu meningkatkan F1-Measure sebesar 0.3022.