Jurnal Algoritma, Logika dan Komputasi

Persaingan yang semakin ketat dalam dunia perdagangan modern menuntut perusahaan untuk menerapkan strategi retensi pelanggan yang proaktif, menjadikan prediksi customer churn (pelanggan yang berhenti menggunakan layanan) sebagai fokus utama. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi yang memanfaatkan data pelanggan historis guna mengidentifikasi secara dini pelanggan yang berpotensi churn atau tetap loyal. Metode yang digunakan adalah Data Mining, khususnya teknik Klasifikasi, dengan memilih algoritma Decision Tree C4.5 karena keunggulannya dalam menghasilkan aturan keputusan yang transparan dan mudah diinterpretasikan. Dataset yang dianalisis melibatkan 996 sampel pelanggan, mencakup berbagai atribut penting seperti jenis kelamin, usia, metode pembayaran, dan riwayat transaksi. Klasifikasi dilakukan untuk memprediksi status pelanggan ke dalam salah satu dari dua kategori target: loyal atau churn. Hasil pengujian menunjukkan bahwa model yang dibangun mampu mengklasifikasikan 636 pelanggan (sekitar 63.8%) sebagai kategori loyal dan 360 pelanggan (sekitar 36.2%) sebagai kategori churn, dengan mencapai tingkat akurasi model sebesar 98%. Temuan ini menunjukkan efektivitas Decision Tree C4.5 dalam memetakan pola loyalitas pelanggan. Secara praktis, model ini berkontribusi dalam menyediakan wawasan yang terukur bagi perusahaan untuk merumuskan inisiatif pemasaran dan retensi yang lebih tepat sasaran.

M. T. Rahardi, “PERSAINGAN USAHA DALAM PERSPEKTIF HUKUM EKONOMI KONVENSIONAL DAN EKONOMI SYARIAH,” PERADA, vol. 1, no. 1, pp. 87–88, Jun. 2018, doi: 10.35961/perada.v1i1.10.

N. Angelita, H. Ali, and C. Author, “Pengaruh Persaingan Global, Perubahan Preferensi Konsumen dan Opini Publik terhadap Ancaman Perusahaan,” vol. 2, no. 2, 2024, doi: 10.38035/jgit.v2i2.

S. Hofifah, J. Puspita Jaya, K. Pintu, and J. Ponorogo Jawa Timur, “ANALISIS PERSAINGAN USAHA PEDAGANG MUSIMAN DI NGEBEL PONOROGO DITINJAU DARI PERSPEKTIF ETIKA BISNIS ISLAM,” SYARIKAT : Jurnal Rumpun Ekonomi Syariah, vol. 3, no. 2, 2020.

F. Rizky et al., “Strategi Costumer Relationship Management Dalam Mempertahankan Pelanggan Pada Coffee Shop Grama Sphere,” vol. 5, no. 3, p. 2023, 2018, doi: 10.32877/ef.

H. Wijaya, S. Yulian, D. Tetap, S. Tinggi, and I. E. Rahmaniyah, “PENGARUH MANAJEMEN HUBUNGAN PELANGGAN TERHADAP MINAT KONSUMEN DALAM PENGGUNAAN ULANG JASA BAMS LAUNDRY SEKAYU.”

B. S. Pranata and D. P. Utomo, “Penerapan Data Mining Algoritma FP-Growth Untuk Persediaan Sparepart Pada Bengkel Motor (Study Kasus Bengkel Sinar Service),” Bulletin of Information Technology (BIT), vol. 1, no. 2, pp. 83–91, 2020.

S. Sanjaya, M. L. Pura, S. K. Gusti, F. Yanto, and F. Syafria, “K-Nearest Neighbor for Classification of Tomato Maturity Level Based on Hue, Saturation, and Value Colors,” Indonesian Journal of Artificial Intelligence and Data Mining, vol. 2, no. 2, p. 101, Nov. 2019, doi: 10.24014/ijaidm.v2i2.7975.

F. J. Kaunang, R. Rotikan, and G. S. Tulung, “Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree,” CogITo Smart Journal, vol. 4, no. 1, pp. 213–218, Jun. 2018, doi: 10.31154/cogito.v4i1.115.213-218.

F. J. Kaunang, “Penerapan Algoritma J48 Decision Tree Untuk Analisis Tingkat Kemiskinan di Indonesia,” CogITo Smart Journal, vol. 4, no. 2, pp. 348–357, Jan. 2019, doi: 10.31154/cogito.v4i2.141.348-357.

H. Hadi, H. Radiles, R. Susanti, and M. Mulyono, “Human Face Identification Using Haar Cascade Classifier and LBPH Based on Lighting Intensity,” Indonesian Journal of Artificial Intelligence and Data Mining, vol. 5, no. 1, p. 13, May 2022, doi: 10.24014/ijaidm.v5i1.15245.

D. Sinaga, E. J. Solaiman, and F. J. Kaunang, “Penerapan Algoritma Decision Tree C4.5 Untuk Klasifikasi Mahasiswa Berpotensi Drop out Di Universitas Advent Indonesia,” TeIKa, vol. 11, no. 2, pp. 167–173, Oct. 2021, doi: 10.36342/teika.v11i2.2613.