Menghadapi persaingan yang semakin ketat dan meningkatnya permintaan akan layanan digital, perusahaan telekomunikasi menghadapi tantangan yang lebih besar dalam mengelola retensi pelanggan dan mengurangi churn (tingkat pelanggan yang berhenti berlangganan). Prediksi churn pelanggan menjadi sangat penting, karena mempertahankan pelanggan yang sudah ada lebih hemat biaya dibandingkan dengan mendapatkan pelanggan baru. Penelitian ini menyelidiki efektivitas algoritma machine learning, dengan fokus khusus pada model Random Forest, dalam memprediksi churn pelanggan di sektor telekomunikasi. Menggunakan dataset Telco Customer Churn dari Kaggle, penelitian ini melakukan pra-pemrosesan data yang ekstensif, termasuk menangani nilai yang hilang, mengkodekan variabel kategorikal, melakukan penskalaan fitur numerik, dan menyeimbangkan data melalui Synthetic Minority Oversampling Technique (SMOTE) untuk meningkatkan akurasi dan interpretabilitas model. Analisis komparatif terhadap beberapa algoritma, termasuk Random Fo