PERBANDINGAN PERFORMA ALGORITMA GRADIENT BOOST, EXTREME GRADIENT BOOST DAN ADAPTIVE BOOST UNTUK PREDIKSI CHURN PELANGGAN TELEKOMUNIKASI

Sidki, Fariz (2024) PERBANDINGAN PERFORMA ALGORITMA GRADIENT BOOST, EXTREME GRADIENT BOOST DAN ADAPTIVE BOOST UNTUK PREDIKSI CHURN PELANGGAN TELEKOMUNIKASI. Sarjana thesis, Universitas Siliwangi.

[img] Text
1. COVER.pdf
Download (123kB)
[img] Text
2. LEMBAR PENGESAHAN TUGAS AKHIR.pdf
Download (295kB)
[img] Text
3. LEMBAR PENGESAHAN PENGUJI.pdf
Download (320kB)
[img] Text
4. LEMBAR PERNYATAAN KEASLIAN.pdf
Download (347kB)
[img] Text
5. ABSTRAK.pdf
Download (280kB)
[img] Text
6. KATA PENGANTAR.pdf
Download (212kB)
[img] Text
7. DAFTAR ISI, TABEL, GAMBAR, PERSAMAAN.pdf
Download (263kB)
[img] Text
8. BAB I.pdf
Download (228kB)
[img] Text
9. BAB II.pdf
Download (543kB)
[img] Text
10. BAB III.pdf
Download (279kB)
[img] Text
11. BAB IV.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text
12. BAB V.pdf
Restricted to Repository staff only
Download (212kB)
[img] Text
13. DAFTAR PUSTAKA.pdf
Download (234kB)
[img] Text
14. LAMPIRAN.pdf
Restricted to Repository staff only
Download (1MB)

Abstract

Perputaran pelanggan merupakan masalah kritis bagi perusahaan telekomunikasi karena pelanggan yang berpindah ke penyedia lain dapat menyebabkan kerugian besar. Oleh karena itu, penting bagi perusahaan untuk memprediksinya secara akurat agar dapat mengambil langkah-langkah proaktif dalam mempertahankan pelanggan, mengurangi kerugian finansial, dan menjaga pangsa pasar.Penelitian ini membahas perbandingan performa tiga algoritma boosting dalam memprediksi perputaran pelanggan telekomunikasi, yaitu Gradient Boost, Extreme Gradient Boost (XGBoost), dan Adaptive Boost (AdaBoost). Uji coba dilakukan dalam dua skenario yaitu dengan data asli yang tidak seimbang dan dengan mengimplentasikan Synthetic Minority Over-sampling Technique (SMOTE) sehingga data tersebut menjadi seimbang, pada setiap skenario menggunakan rasio pembagian data 70:30 dan dilakukan beberapa kombinasi hyperparameter n�estimator dan learning rate. Hasil penelitian menunjukan algoritma Gradient Boost memiliki nilai akurasi tertinggi yaitu 84.93% diikuti Algoritma Extreme Gradient Boost dengan nilai akurasi 84.70%, dan Algoritma Adaptive Boost dengan nilai akurasi yaitu 80.05%. Kata Kunci : Adaptive Boost, Extreme Gradient Boost, Gradient Boost, Perputaran Pelanggan

Item Type: Thesis (Sarjana)
Subjects: Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions: Fakultas Teknik > Informatika
Depositing User: Rema Puri Irma Sri Katon
Date Deposited: 27 Aug 2024 08:16
Last Modified: 27 Aug 2024 08:16
URI: http://repositori.unsil.ac.id/id/eprint/13655

Actions (login required)

View Item View Item