Using Deep Learning to Predict Customer Churn in a Mobile Telecomunication Network

MUHAMMAD FIKRIE ABDILLAH

Informasi Umum

Kode

16.04.1061

Klasifikasi

620.007 - Engineering research

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Learning Programming

Dilihat

198 kali

Informasi Lainnya

Abstraksi

Pelanggan jaringan telekomunikasi selular tentunya memiliki keinginan untuk mendapatkan pelayanan yang memuaskan. Jika pelanggan merasa puas maka pelanggan akan tetap menggunakan layanan tersebut dalam jangka waktu panjang. Sudah banyak penelitian yang dilakukan untuk menghitung tingkat resiko pada perusahaan jaringan telekomunikasi selular, salah satunya dengan melakukan prediksi churn. Prediksi churn menggunakan metode Deep Learning yang mengoptimalkan efektivitas proses pengolahan fitur. Dalam proses Deep Learning terdapat metode Deep Neural Network yang dibangun dengan menggunakan sistem Multilayer Perceptron. Pada tugas akhir ini, turun naiknya jumlah pelanggan merupakan salah satu masalah besar pada perusahaan jaringan telekomunikasi selular. Pada tugas akhir ini, akan dibangun sebuah sistem prediksi terhadap turun naiknya pelanggan pada layanan jaringan telekomunikasi selular menggunakan arsitektur jaringan Multilayer Perceptron. Selain menggunakan arsitektur jaringan Multilayer Perceptron dilakukan juga implementasi sistem dengan menggunakan Autoencoder untuk mendapatkan bobot yang optimal. Dari metode dan sistem yang digunakan dilakukan perhitungan menggunakan F-Measure didapatkan nilai precision sebesar 70,2 % dan Recall sebesar 70,27 %. Untuk nilai akurasi sebesar 81,35 % pada data training. Didapatkan nilai Precision sebesar 80,4 % dan Recall sebesar 63,07 %. Pada nilai akurasi sebesar 83,12 % untuk data testing. Dengan nilai akurasi yang cukup besar maka metode Deep Learning layak untuk digunakan dalam prediksi Churn. Kata Kunci : Prediksi Churn, Deep Learning, Deep Neural Network, Multilayer perceptron, Autoencoders, F-Measure