Optimasi Algoritma Random Forest dengan Teknik Boosting dalam Prediksi Churn Pelanggan di Industri Telekomunikasi

Optimization Of The Random Forest Algorithm Using Boosting Techniques For Customer Churn Prediction In The Telecommunications Industry

Seiring munculnya jaringan 5G membuat persaingan di industri telekomunikasi semakin meningkat, pemahaman yang mendalam tentang perilaku pelanggan menjadi penting. Churn, atau kehilangan pelanggan, adalah isu utama yang memengaruhi keberhasilan perusahaan telekomunikasi. Oleh karena itu, penelitian ini berfokus memprediksi untuk mengidentifikasi pelanggan yang berpotensi churn dengan optimasi algoritma Random Forest menggunakan teknik Boosting yang bertujuan meningkatkan akurasi prediksi. Algoritma Machine Learning yang digunakan yaitu Random Forest karena memiliki kemampuan sangat baik untuk menangani berbagai jenis data dan volume data yang besar. Namun, masih ada ruang untuk meningkatkan kinerjanya, dengan optimasi menggunakan teknik Boosting maka dapat meningkatkan akurasi dan performa model prediksi. Evaluasi model dilakukan menggunakan confussion matrix dan AUC-ROC. Selain itu, penelitian ini juga mencakup pengembangan aplikasi berbasis web untuk memprediksi churn pelanggan dengan memasukkan data pelanggan sesuai variabel dan mengunggah file dataset dengan format .csv. Implementasi model prediksi dan web ini memberikan perusahaan telekomunikasi alat yang kuat untuk mengurangi churn pelanggan, meningkatkan retensi, dan mengoptimalkan strategi pemasaran. Hasil penelitian ini menunjukkan bahwa Algoritma Random Forest yang dioptimasi dengan teknik boosting Adaboost mampu memprediksi churn pelanggan dengan tingkat akurasi yang tinggi yaitu 95.20%.

Kata Kunci : Random Forest, Teknik Boosting, Churn Pelanggan, Industri Telekomunikasi, Web