IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASI

ABSTRAK IG-KNN merupakan gabungan dari algotitma pemilihan fitur information gain dengan algoritma klasifikasi KNN, kedua algoritma ini diharapkan dapat meningkatkan akurasi dalam memprediksi customer churn telekomunikasi. Prediksi customer churn telekomunikasi merupakan kebutuhan yang sangat p...

Full description

Bibliographic Details
Main Author: Muhammad Arifin
Format: Article
Language:Indonesian
Published: Universitas Muria Kudus 2015-04-01
Series:Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer
Online Access:http://jurnal.umk.ac.id/index.php/simet/article/view/230
id doaj-d2301ed2137543b3a8dd8de78f0b5bb4
record_format Article
spelling doaj-d2301ed2137543b3a8dd8de78f0b5bb42020-11-24T22:24:32ZindUniversitas Muria KudusSimetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer2252-49832549-31082015-04-016111010.24176/simet.v6i1.230220IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASIMuhammad Arifin0Universitas Muria KudusABSTRAK IG-KNN merupakan gabungan dari algotitma pemilihan fitur information gain dengan algoritma klasifikasi KNN, kedua algoritma ini diharapkan dapat meningkatkan akurasi dalam memprediksi customer churn telekomunikasi. Prediksi customer churn telekomunikasi merupakan kebutuhan yang sangat penting bagi kelangsungan hidup perusahaan telekomunikasi, dimana dengan banyaknya pelanggang yang meninggalkan perusaan maka perusahaan berpeluang untuk merugi. Mendeteksi pelanggan yang berpeluang meninggalkan perusahaan sejak dini perusahaan akan mendapatkan keuntungan 10 kali, karena biaya untuk mempertahankan pelanggan lebih murah 10 kali lipat dibanding dengan mecari pelanggan baru. Berdasarkan hasil penelitian ini prediksi customer churn telekomunikasi dengan menggunakan IG-KNN menunjukkan akurasi yang lebih baik meski dengan nilai k yang berbeda- beda bila dibandingkan dengan prediksi customer churn telekomunikasi dengan menggunkan KNN tanpa fitur seleksi Information Gain, adapun peningkatan akurasi dari k1 sampai dengan k11 sebesar 1,7%. Kata kunci: information gain, KNN, customer churn telekomunikasi.http://jurnal.umk.ac.id/index.php/simet/article/view/230
collection DOAJ
language Indonesian
format Article
sources DOAJ
author Muhammad Arifin
spellingShingle Muhammad Arifin
IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASI
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer
author_facet Muhammad Arifin
author_sort Muhammad Arifin
title IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASI
title_short IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASI
title_full IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASI
title_fullStr IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASI
title_full_unstemmed IG-KNN UNTUK PREDIKSI CUSTOMER CHURN TELEKOMUNIKASI
title_sort ig-knn untuk prediksi customer churn telekomunikasi
publisher Universitas Muria Kudus
series Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer
issn 2252-4983
2549-3108
publishDate 2015-04-01
description ABSTRAK IG-KNN merupakan gabungan dari algotitma pemilihan fitur information gain dengan algoritma klasifikasi KNN, kedua algoritma ini diharapkan dapat meningkatkan akurasi dalam memprediksi customer churn telekomunikasi. Prediksi customer churn telekomunikasi merupakan kebutuhan yang sangat penting bagi kelangsungan hidup perusahaan telekomunikasi, dimana dengan banyaknya pelanggang yang meninggalkan perusaan maka perusahaan berpeluang untuk merugi. Mendeteksi pelanggan yang berpeluang meninggalkan perusahaan sejak dini perusahaan akan mendapatkan keuntungan 10 kali, karena biaya untuk mempertahankan pelanggan lebih murah 10 kali lipat dibanding dengan mecari pelanggan baru. Berdasarkan hasil penelitian ini prediksi customer churn telekomunikasi dengan menggunakan IG-KNN menunjukkan akurasi yang lebih baik meski dengan nilai k yang berbeda- beda bila dibandingkan dengan prediksi customer churn telekomunikasi dengan menggunkan KNN tanpa fitur seleksi Information Gain, adapun peningkatan akurasi dari k1 sampai dengan k11 sebesar 1,7%. Kata kunci: information gain, KNN, customer churn telekomunikasi.
url http://jurnal.umk.ac.id/index.php/simet/article/view/230
work_keys_str_mv AT muhammadarifin igknnuntukprediksicustomerchurntelekomunikasi
_version_ 1725760818828541952