Penggunaan Metode Bagging dengan Menerapkan Data Balancing pada Churn Prediction untuk Perusahaan Telekomunikasi

摘要

Churn Prediction merupakan salah satu aplikasi data mining yang bertujuan untuk memprediksi parapelanggan yang berpotensial untuk churn. Churn Prediction merupakan salah satu kasus kelas imbalance danchurn merupakan kelas minor. Terdapat beberapa cara untuk mengatasi permasalahan imbalance class yangmelekat pada kasus churn ini. Salah satu contohnya dengan cara melakukan balancing terhadap data trainingatau dengan cara menggunakan metode yang khusus dapat menyelesaikan permasalahan imbalance class ini.Analisis yang dilakukan pada penelitian ini adalah mengetahui apakah metode Bagging dan Lazy Baggingdapat dijadikan solusi dalam mengklasifikasikan data churn. Dalam mendukung penelitian ini, dibuatperangkat lunak yang mengimplementasikan metode Bagging, dan Lazy Bagging. Pengujian dilakukan denganmenggunakan data salah satu Perusahaan telekomunikasidi Indonesia. Sebagai metode pembanding adalahBoosting Clementine 10.1 dan C5.0 Clementine 10.1. Analisis dilakukan dengan melakukan penghitunganakurasi model churn prediction yang dinyatakan dalam bentuk lift curve, top decile dan gini coefficient serta fmeasureuntuk penghitungan akurasi data yang imbalance. Dari analisa yang dilakukan, metode Bagging dapatmemprediksikan data churn jika dilakukan balancing terlebih dahulu terhadap data training yang digunakan.Tetapi dari parameter lift curve, gini coefficient, ternyata Lazy Bagging menghasilkan nilai yang lebih baikuntuk data yang sangat imbalance (tanpa balancing)