Analisis Prediksi Churn Dan Segmentasi Pelanggan Speedy Retail Daerah Operasional Bandung Menggunakan Algoritma Decision Tree Dan K-Means

Abstract

Kecenderungan penurunan jumlah pelanggan Speedy pada PT. Telekomunikasi Indonesia Tbk. (Telkom), khususnya pelanggan Speedy retail daerah operasional Bandung perlu diantisipasi. Untuk dapat bersaing dengan berbagai ISP (Internet Service Provider) yang menawarkan produk dengan keunggulan tertentu, maka Telkom membutuhkan program retensi pelanggan agar pelanggan tidak memutuskan layanan (churn) dan beralih ke provider lain. Penelitian ini dilakukan dengan menerapkan data mining. Terdapat dua pemodelan dalam penelitian ini, yaitu prediksi churn menggunakan algoritma Decision Tree, serta segmentasi pelanggan menggunakan algoritma Clustering K-Means.Pemodelan prediksi churn menggunakan algoritma Decision Tree menghasilkan pelanggan yang berpotensi churn dengan variabel-variabel terpilih yaitu Paket Layanan, Customer Billing, Usage, Durasi Berlangganan, Jumlah Gangguan, dan Status Churn. Berdasarkan pola pemodelan prediksi churn, akurasi yang dihasilkan adalah 99,47%. Kemudian dilakukan segmentasi pada pelanggan yang berpotensi churn menggunakan algoritma Clustering K-Means, untuk menemukan sasaran pelanggan yang akan diberikan program retensi.Program retensi yang akan ditawarkan dalam penelitian ini berupa cross selling dan penawaran layanan pelengkap. Untuk layanan cross selling, akan ditawarkan Groovia TV kepada pelanggan sasaran program retensi, yang telah memenuhi persyaratan jaringan untuk pemasangan layanan.Setelah dilakukan analisis, dari 1912 sasaran pelanggan hasil segmentasi, terdapat 601 pelanggan yang memenuhi persyaratan penawaran Groovia TV dan layanan pelengkap, serta 1311 sasaran pelanggan layanan pelengkap saja.