Penerapan Metode Underbagging Pada Random Forest Untuk Mengidentifikasi Faktor-Faktor Yang Memengaruhi Konsumen Churn

Abstract

Persaingan bisnis yang semakin ketat menjadi tantangan pelaku bisnis dalam menciptakan inovasi dan strategi untuk menarik minat calon konsumen. Strategi untuk mempertahankan loyalitas konsumen juga harus diterapkan agar konsumen tidak berhenti menggunakan layanan ataupun berpindah ke perusahaan kompetitor (churn). Salah satu sikap proaktif dalam mempertahankan loyalitas konsumen agar tidak churn adalah dengan mengidentifikasi faktor-faktor penyebab churn. Metode UnderBagging digunakan untuk mengatasi masalah kelas tidak seimbang yang mana konsumen loyal jauh lebih banyak dibanding konsumen churn. Selanjutnya, pemodelan klasifikasi dilakukan dengan metode random forest. Pemodelan klasifikasi dengan membangkitkan tiga gugus data UnderBagging serta menggunakan tiga peubah penjelas dan 1000 pohon keputusan yang dibangkitkan pada random forest merupakan kombinasi parameter yang optimal. Hasil penelitian menunjukan nilai F1 score, sensitifitas, spesifisitas, dan akurasi masing-masing 93,54%, 95,60%, 97,19%, dan 96,81%. Dari model klasifikasi terbaik diperoleh empat peubah dengan tingkat kepentingan tertinggi, yaitu jenis produk asuransi, jenis kelamin, masa berlangganan konsumen, dan kelompok usia.

Kata kunci: churn, kelas tidak seimbang, pemodelan klasifikasi, random forest, UnderBagging