Text

Penerapan Gradient Boosting dengan GridSearchCV untuk Prediksi Customer Churn (Studi Kasus: Customer Churn Bank ABC (Arab Banking Corporation))

---

Customer churn adalah kecenderungan customer untuk meninggalkan
perusahaan atau beralihnya customer dari satu perusahaan ke perusahaan yang
lainnya. Customer churn yang tinggi harus diklasifikasikan secara akurat untuk
membantu perusahaan dalam memprediksi customer yang berpotensi churn. Salah
satu pendekatan untuk memprediksi customer churn yaitu pendekatan supervised
learning. Supervised learning terdiri dari dua masalah yaitu regresi dan klasifikasi.
Metode supervised learning yang digunakan yaitu gradient boosting yang
menangani masalah klasifikasi. Gradient boosting menggabungkan model prediksi
yang lemah menjadi model yang kuat dengan memperbaiki prediksi sebelumnya.
Kinerja model yang dihasilkan dapat ditingkatkan dengan GridSearchCV sebagai
hyperparameter tuning. GridSearchCV memilih kombinasi hyperparameter terbaik
dengan menguji setiap kombinasi dan melakukan validasi setiap kombinasi dengan
teknik cross-validation. Penelitian menunjukkan bahwa gradient boosting dengan
GridSearchCV untuk prediksi customer churn pada Bank ABC (Arab Banking
Corporation), dimana menggunakan stratified k-fold cross-validation dengan k =
5, menghasilkan akurasi sebesar 87% dan AUC sebesar 0,87. Nilai ini menjelaskan
bahwa model dapat dengan baik mengklasifikasikan dan memprediksi kelas 1
(churn) dan kelas 0 (tidak churn).
Kata Kunci: Customer Churn, Gradient Boosting, GridSearchCV

---

Ketersediaan

1388E2025

1388 E 2025

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1388 E 2025

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

1388 24050119130087

Pernyataan Tanggungjawab

Whena Tsani Tandhu Iman

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar