Yayak Kartika Sari Prediksi Customer Churn Berbasis Adaptive Neuro Fuzzy Inference System
Abstract views: 154
,
PDF downloads: 339
Abstract
Abstrak – Customer Churn adalah pelanggan yang berhenti berlangganan dan pindah
pada perusahaan lain, karena berbagai faktor. Customer churn merupakan masalah yang sangat
penting yang harus dihadaapi oleh perusahaan karena berhentinya pelanggan akan berdampak
pada retensi perusahaan. Oleh sebab itu, dibuatkan sistem prediksi customer churn untuk
mengetahui tingkat pelanggan yang churn, apabila customer churn dapat diketahui terlebih dahulu,
maka akan menguntungkan bagi pihak CRM untuk mengatur strategi-strategi mencegah pelanggan
yang melakukan churn. Untuk menentukan prediksi customer churn menggunakan teknik data
mining dengan algoritma ANFIS. Algoritma ANFIS merupakan gabungan antara jaringan syaraf
tiruan dengan fuzzy inference system. Model prediksi yang dibangun dengan metode ANFIS
menggunakan pembelajaran alur maju dan pembelajaran alur mundur, sehingga untuk melakukan
prediksi dibutuhkan nilai parameter fuzzy baru yang diperoleh dari proses pelatihan. Setelah nilai
parameter fuzzy baru didapatkan, maka akan dilakukan tahap pengujian. Pada tahap pengujian
dilakukan dengan proses pembelajaran maju untuk mendapatkan nilai prediksinya, sehingga pada
prosesnya nilai prediksi yang berupa angka dan status prediksi. Pelatihan dan pengujian ANFIS
untuk semua produk menghasilkan perbandingan nilai error rata-rata pelatihan sebesar 8,316 %
Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
