
Nana Suryana
Related Authors
Radiansyah adjh
Universitas Kebangsaan Bandung
Yati Rohayati
Telkom University
Haerdiansyah Syahnur
Universitas Muslim Indonesia
Made Sudarma
Udayana University Bali Indonesia
Yoga Religia
Universitas Pembangunan Nasional "Veteran" Yogyakarta
Uploads
Papers by Nana Suryana
Tingkat churn pelanggan yang tinggi harus diprediksi secara akurat, karena hasil prediksi yang akurat dapat menentukan strategi apa dan promosi bagaimana yang tepat untuk retensi pelanggan. Kemudian dilakukan segmentasi pelanggan untuk merumuskan program retensi yang tepat sesuai dengan kebutuhan pelanggan yang berpotensi churn tinggi.
Metode data mining digunakan untuk memprediksi potensi churn dan segementasinya pada pelanggan PT Indonusa Telemedia, dan dapat hal ini dapat mendukung proses monitoring, pengendalian, serta penyusunan strategi pada management. Metode Decision Tree dan Clustering merupakan metode data mining yang populer karena sangat mudah dipahami dan diinterpretasikan, sehingga dapat dengan mudah untuk digunakan sebagai teknik untuk melakukan prediksi churn dan segmentasinya.
Tujuan utama dari prediksi pelanggan churn adalah untuk memperoleh informasi dari pelanggan yang mempunyai potensi churn tinggi sehingga dapat disusun rencana strategis dan promo perusahaan yang tepat sesuai dengan segmentasinya.
Metode Decision Tree dengan pemodelan menggunakan algoritma C4.5 menghasilkan tingkat akurasi 90,89%. Kemudian pelanggan yang mempunyai potensi churn tinggi dilakukan clustering menggunakan algoritma K-Means dan dari 5956 total pelanggan dapat merekomendasikan 5792 pelanggan yang mendapatkan penawaran program retensi.
Kata kunci : churn, segmentasi , data mining, decision tree, clustering, k-means
Tingkat churn pelanggan yang tinggi harus diprediksi secara akurat, karena hasil prediksi yang akurat dapat menentukan strategi apa dan promosi bagaimana yang tepat untuk retensi pelanggan. Kemudian dilakukan segmentasi pelanggan untuk merumuskan program retensi yang tepat sesuai dengan kebutuhan pelanggan yang berpotensi churn tinggi.
Metode data mining digunakan untuk memprediksi potensi churn dan segementasinya pada pelanggan PT Indonusa Telemedia, dan dapat hal ini dapat mendukung proses monitoring, pengendalian, serta penyusunan strategi pada management. Metode Decision Tree dan Clustering merupakan metode data mining yang populer karena sangat mudah dipahami dan diinterpretasikan, sehingga dapat dengan mudah untuk digunakan sebagai teknik untuk melakukan prediksi churn dan segmentasinya.
Tujuan utama dari prediksi pelanggan churn adalah untuk memperoleh informasi dari pelanggan yang mempunyai potensi churn tinggi sehingga dapat disusun rencana strategis dan promo perusahaan yang tepat sesuai dengan segmentasinya.
Metode Decision Tree dengan pemodelan menggunakan algoritma C4.5 menghasilkan tingkat akurasi 90,89%. Kemudian pelanggan yang mempunyai potensi churn tinggi dilakukan clustering menggunakan algoritma K-Means dan dari 5956 total pelanggan dapat merekomendasikan 5792 pelanggan yang mendapatkan penawaran program retensi.
Kata kunci : churn, segmentasi , data mining, decision tree, clustering, k-means