Prediksi Call Plan Churn pada Pengguna Telepon Seluler Menggunakan Support Vector Machine

Abstract

Churn is a condition when customer or user stops using product or service offered by the provider and switches to another provider. Telecommunications industry has an annual churn rate of 30%. Churn is one of the problem experienced by telecommunication operators when providing phone call services. CRM department who is responsible for dealing with churn problems in telecommunications companies has taken precautions using direct communication such as SMS or phone calls containing other offers provided additional bonuses by operators to retain customers. However, retaining customers is often unsuccessful due to targeting fallacy to loyal customers who tend to not stop which only increase losses. Efforts that can be made to help preventing this are predicting customers who have the potential to churn more accurately so that offer is targeted to the right customer and assist decision making in preventing churn. In addition, telecommunication customers who can easily and quickly switch operator cause the need for machine learning approach for CRM in analyzing customer behavior patterns when using an activated package and predicting the possibility of customers who have the potential to stop using the package. This study aims to predict the possibility that cellular phone users will likely churn on a monthly telephone call package in the United States using Support Vector Machine algorithm with the results of estimating the probability value of users stopping or continuing to subscribe and predicting customers who will churn. The overall stages used include preprocessing (data cleaning, data transformation, data reduction), learning pattern with a calibrated SVM model, and prediction on test data. The test results in this study indicate SVM method can predict churn well with f-measure 93.31%, AUC 0.9876, and Average Precision Recall Curve Score 0.97.

Churn merupakan keadaan dimana pelanggan atau pengguna berhenti menggunakan produk atau layanan yang ditawarkan oleh penyedia dan beralih ke penyedia lainnya. Industri telekomunikasi memiliki persentase tingkat churn tahunan sebanyak 30%. Churn menjadi salah satu permasalahan bagi operator telekomunikasi penyedia layanan paket panggilan telepon. Departemen CRM yang bertanggung jawab mengatasi masalah churn pada perusahaan telekomunikasi telah melakukan tindakan pencegahan menggunakan komunikasi langsung yaitu SMS atau panggilan telepon yang berisi penawaran lain berupa bonus tambahan yang disediakan operator untuk mempertahankan pelanggannya. Namun, seringkali tidak berhasil mempertahankan pelanggan karena kesalahan penargetan penawaran pada pelanggan loyal yang cenderung tidak akan berhenti sehingga menambah kerugian. Upaya yang dapat dilakukan dalam membantu pencegahan tersebut yaitu dengan memprediksi pelanggan yang berpotensi churn lebih akurat sehingga penawaran ditargetkan ke pelanggan yang tepat dan membantu pengambilan keputusan dalam pencegahan churn. Selain itu, pelanggan telekomunikasi dapat dengan mudah dan cepat beralih dari operator satu ke operator lain menyebabkan perlunya pendekatan yang machine learning dalam menganalisis pola perilaku pelanggan menggunakan paket yang telah diaktifkan dan memprediksi kemungkinan pelanggan yang berpotensi berhenti menggunakan paket tersebut. Penelitian ini bertujuan untuk memprediksi kemungkinan pengguna telepon seluler akan mengalami call plan churn pada suatu paket panggilan telepon bulanan di Amerika Serikat menggunakan algoritma Support Vector Machine dengan hasil yaitu estimasi nilai probabilitas pengguna berhenti atau lanjut berlangganan dan prediksi pelanggan yang akan churn. Tahapan keseluruhan yang digunakan meliputi preprocessing (data cleaning, data transformation, data reduction), pembelajaran dengan model SVM yang dikalibrasi, dan prediksi pada data uji. Hasil pengujian pada penelitian ini menunjukkan metode SVM dapat memprediksi churn dengan baik dengan performa f-measure 93,31%, AUC 0,9876, dan Average Precision Recall Curve Score 0,97.