EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

IMPLEMENTASI ALGORITMA DECISION TREE UNTUK PREDIKSI CUSTOMER CHURN PADA LAYANAN TELEKOMUNIKASI MENGGUNAKAN ALTAIR AI STUDIO (RAPIDMINER)

Hawa Awalya Ghufron, Kevin Handerson, Yoseph Way, Dikdik Permana Wigandi

Jurnal Komputer dan Sistem Informasi · 31.10.2026 · 3 (3) · 113-120

DOI: 10.66865/sahjvv53 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Komputer dan Sistem Informasi, online erschienen am 31.10.2026. Verfasst von Hawa Awalya Ghufron und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Customer churn merupakan salah satu permasalahan utama dalam industri telekomunikasi yang dapat menyebabkan penurunan pendapatan perusahaan. Penelitian ini bertujuan untuk menerapkan algoritma Decision Tree dalam memprediksi customer churn menggunakan dataset Telco Customer Churn yang terdiri dari 7.043 data pelanggan. Proses pengolahan data dilakukan menggunakan Altair AI Studio (RapidMiner) melalui tahapan Retrieve Data, Set Role, Split Data, Decision Tree, Apply Model, dan Performance. Hasil penelitian menunjukkan bahwa model menghasilkan tingkat akurasi sebesar 75,77%. Berdasarkan hasil analisis Decision Tree, faktor yang paling berpengaruh terhadap churn adalah Contract, InternetService, TechSupport, dan Tenure. Pelanggan dengan kontrak bulanan, layanan Fiber Optic, dan tanpa TechSupport memiliki risiko churn tertinggi. Sebaliknya, pelanggan dengan kontrak dua tahun menunjukkan tingkat loyalitas yang tinggi. Hasil penelitian ini dapat digunakan sebagai dasar dalam penyusunan strategi retensi pelanggan pada perusahaan telekomunikasi. Customer churn is one of the major challenges in the telecommunications industry. This study applies the Decision Tree algorithm to predict customer churn using the Telco Customer Churn dataset consisting of 7,043 customer records. The analysis process was conducted using Altair AI Studio (RapidMiner). The model achieved an accuracy of 75.77%. Contract type, Internet Service, Technical Support, and Tenure were identified as the most influential factors affecting customer churn. The results can support customer retention strategies in telecommunications companies.

Zitieren

APA

Ghufron, H. A., Handerson, K., Way, Y., & Wigandi, D. P. (2026). IMPLEMENTASI ALGORITMA DECISION TREE UNTUK PREDIKSI CUSTOMER CHURN PADA LAYANAN TELEKOMUNIKASI MENGGUNAKAN ALTAIR AI STUDIO (RAPIDMINER). Jurnal Komputer dan Sistem Informasi, 3(3), 113-120. https://doi.org/10.66865/sahjvv53

Vancouver

Ghufron HA, Handerson K, Way Y, Wigandi DP. IMPLEMENTASI ALGORITMA DECISION TREE UNTUK PREDIKSI CUSTOMER CHURN PADA LAYANAN TELEKOMUNIKASI MENGGUNAKAN ALTAIR AI STUDIO (RAPIDMINER). Jurnal Komputer dan Sistem Informasi. 2026;3(3):113-120. doi:10.66865/sahjvv53

BibTeX
@article{Ghufron2026,
  author = {Ghufron, Hawa Awalya and Handerson, Kevin and Way, Yoseph and Wigandi, Dikdik Permana},
  title = {IMPLEMENTASI ALGORITMA DECISION TREE UNTUK PREDIKSI CUSTOMER CHURN PADA LAYANAN TELEKOMUNIKASI MENGGUNAKAN ALTAIR AI STUDIO (RAPIDMINER)},
  journal = {Jurnal Komputer dan Sistem Informasi},
  year = {2026},
  volume = {3},
  number = {3},
  pages = {113--120},
  doi = {10.66865/sahjvv53}
}
Kostenlos starten →