Abstract:
Pertumbuhan pesat pengguna internet di Indonesia mendorong perusahaan
penyedia layanan jaringan, seperti PT Education Nusantara Connect (PT ENC),
untuk meningkatkan kualitas layanan dan mempertahankan pelanggan. Salah satu
tantangan utama yang dihadapi adalah customer churn, yaitu fenomena di mana
pelanggan berpindah ke layanan lain. Penelitian ini bertujuan untuk menerapkan
metode Random Forest dalam mengklasifikasikan pelanggan yang berpotensi
churn. Metode Random Forest dipilih karena kemampuannya dalam memberikan
akurasi tinggi, menangani data dalam jumlah besar, serta efektif dalam mengelola
data yang tidak lengkap. Dalam penelitian ini, model Random Forest dibangun
menggunakan data pelanggan yang mencakup atribut seperti total transaksi, lama
langganan, frekuensi login, dan rating terakhir. Hasil evaluasi model
menunjukkan bahwa akurasi yang diperoleh adalah 38.1%, dengan confusion
matrix yang menunjukkan 4 prediksi benar untuk pelanggan yang tidak churn dan
4 prediksi benar untuk pelanggan yang churn. Selain itu, analisis fitur
menunjukkan bahwa total transaksi memiliki pengaruh terbesar terhadap prediksi
churn dengan kontribusi sebesar 37.81%. Hasil dari penelitian ini diharapkan
dapat membantu PT Education Nusantara Connect dalam menekan tingkat churn
dan meningkatkan loyalitas pelanggan melalui strategi retensi yang lebih efektif.
