Kecenderungan penurunan jumlah pelanggan terjadi pada salah satu ISP (Internet
Service Provider) di Indonesia, yaitu PT. Telekomunikasi Indonesia Tbk.
(Telkom), khususnya daerah operasional Bandung, dengan produk layanan data
dan internetnya yaitu Speedy. Kecenderungan penurunan jumlah pelanggan
terjadi karena adanya churn. Setelah diidentifikasi, churn terjadi karena adanya
pemberhentian layanan yang disebabkan oleh berbagai faktor, misalnya minimnya
penggunaan layanan, adanya tunggakan, ataupun ketidakpuasan pelanggan
terhadap layanan. Pemberhentian layanan dapat dilakukan oleh pelanggan ataupun
perusahaan, sehingga perusahaan perlu mewaspadai terjadinya churn pada
periode-periode berikutnya, dengan cara memberikan program retensi yang sesuai
dengan karakteristik pelanggan yang berpotensi churn. Program retensi dilakukan
untuk meningkatkan loyalitas pelanggan terhadap perusahaan, sehingga dapat
meningkatkan revenue perusahaan.
Pelanggan yang berpotensi churn dapat diprediksi dan disegmentasikan
menggunakan data mining. Salah satu metode prediksi yang dapat digunakan
adalah Decision Tree. Pola pelanggan yang berpotensi churn, dapat dilihat melalui
persentase nilai kepentingan prediktor yang digunakan. Prediktor yang digunakan
dalam prediksi churn adalah customer billing, usage, jumlah gangguan, dan durasi
berlangganan. Dalam pemodelan prediksi churn, customer billing memperoleh
persentase nilai prediktor tertinggi yaitu 92%, jumlah gangguan dan durasi
berlangganan memperoleh persentase nilai prediktor sebesar 4 %, sedangkan
usage tidak berpengaruh dalam pemodelan.
Segmentasi pelanggan menggunakan algoritma clustering K-Means menggunakan
data pelanggan berpotensi churn yang tidak memiliki masalah jaringan, dengan
durasi berlangganan lebih dari 12 bulan. Atribut penting yang digunakan dalam
segmentasi pelanggan adalah customer billing, usage, dan durasi berlangganan.
Uji coba clustering K-Means dilakukan dengan jumlah K dari 1 sampai 5.
Kemudian didapatkan K dengan kualitas cluster terbaik yaitu 2, sehingga
terbentuk 2 cluster dengan karakteristik yang berbeda. Dari 2 cluster yang
diperoleh, terpilihlah cluster 2 karena telah memenuhi kriteria cross selling
layanan GrooviaTV. Terdapat 601 pelanggan potensial yang akan diberikan
program cross selling GrooviaTV dan layanan pelengkap. Data Mining, Decision Tree, Clustering K-Means, Program Retensi,