PREDIKSI CUSTOMER CHURN PADA LAYANAN INDIHOME MENGGUNAKAN ALGORITMA DECISION TREE (STUDI KASUS PT. TELKOM AKSES)

Abstract

Abstract: This study aims to predict Customer Churn for IndiHome services at PT. Telkom Akses using the Decision Tree algorithm. The research analyzes several variables that influence customers' decisions to discontinue subscriptions, including complaints, service packages, and subscription duration. The analysis results show that the Complaint attribute has the highest Gain value (0.6898), making it the main factor distinguishing customers likely to churn from those who remain. This suggests a strong correlation between complaint frequency and the customers’ decision to continue or terminate the service. Additionally, the Package attribute also has a significant impact, with a Gain of 0.2785, indicating that the selected package speed influences the likelihood of churn. Conversely, the Subscription Duration attribute has the lowest Gain (0.0411), indicating that this variable provides minimal information in predicting churn. Based on these findings, PT. Telkom Akses is recommended to consider improving complaint management and optimizing service package offerings to reduce Customer Churn rates.

Keyword: Customer Churn; Decision Tree; Prediction

Abstrak: Penelitian ini bertujuan untuk memprediksi Customer Churn pada layanan IndiHome di PT. Telkom Akses menggunakan algoritma Decision Tree. Penelitian ini dilakukan dengan menganalisis sejumlah variabel yang mempengaruhi keputusan pelanggan untuk berhenti berlangganan, antara lain: keluhan, paket layanan, dan lama berlangganan. Hasil analisis menunjukkan bahwa atribut Keluhan memiliki nilai Gain tertinggi (0.6898), menjadikannya faktor utama dalam membedakan pelanggan yang cenderung berhenti berlangganan (churn) dan yang tetap (tidak churn). Hal ini menunjukkan adanya korelasi yang kuat antara frekuensi keluhan dengan keputusan pelanggan untuk terus menggunakan layanan. Selain itu, atribut Paket juga memiliki pengaruh signifikan dengan Gain 0.2785, yang mengindikasikan bahwa kecepatan paket layanan memengaruhi kemungkinan pelanggan untuk churn. Sebaliknya, atribut Lama Berlangganan memiliki Gain terendah (0.0411), yang menunjukkan bahwa variabel ini kurang informatif dalam memprediksi churn. Dengan hasil ini, PT. Telkom Akses disarankan untuk mempertimbangkan pengelolaan keluhan pelanggan serta pemilihan paket layanan yang sesuai guna mengurangi tingkat Customer Churn.

Kata kunci: Customer Churn; Decision Tree; Prediksi