UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Visitor
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Analisis Efisiensi Dan Performa Model Random Forest Dengan Reduksi Dimensi Principal Component Analysis Untuk Prediksi Customer Churn
Penanda Bagikan

CD Skripsi

Analisis Efisiensi Dan Performa Model Random Forest Dengan Reduksi Dimensi Principal Component Analysis Untuk Prediksi Customer Churn

Syahrul A - Nama Orang;

ABSTRAK

SYAHRUL A. Analisis Efisiensi dan Performa Model Random Forest dengan Reduksi Dimensi Principal Component Analysis untuk Prediksi Customer Churn (dibimbing oleh Andi Maulidinnawati A. K. Parewe dan Fitriana M. Sabir).

Customer churn merupakan salah satu isu penting yang dihadapi perusahaan karena biaya akuisisi pelanggan baru jauh lebih besar dibanding mempertahankan pelanggan lama. Penelitian ini bertujuan untuk meningkatkan efisiensi dan performa model prediksi churn dengan menerapkan algoritma Random Forest yang dikombinasikan dengan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan data, serta Principal Component Analysis (PCA) sebagai teknik reduksi dimensi. Data diperoleh melalui studi pustaka dan Kaggle dengan jumlah 7.043 entri dan 20 atribut pelanggan. Hasil penelitian menunjukkan bahwa penerapan PCA mampu mempercepat waktu eksekusi model secara signifikan, dari 15,64 detik menjadi 9,07 detik. Walaupun akurasi mengalami sedikit penurunan dari 0,77 menjadi 0,75 dan precision turun dari 0,58 menjadi 0,53, nilai recall meningkat dari 0,52 menjadi 0,63 sehingga F1-score naik dari 0,55 menjadi 0,57. Temuan ini membuktikan bahwa integrasi Random Forest, SMOTE, dan PCA tidak hanya meningkatkan efisiensi komputasi, tetapi juga memberikan keseimbangan yang lebih baik antara precision dan recall. Pendekatan ini dapat menjadi solusi praktis bagi perusahaan
dalam mengembangkan sistem prediksi churn yang lebih cepat, akurat, dan adaptif terhadap data berskala besar.

Kata Kunci: Customer Churn, Random Forest, PCA, SMOTE, Prediksi


Ketersediaan
#
Perpustakaan STMIK AKBA (A / 1044) CD/SKR/TI/2025 REF SYA a
3049/CD/SKR-Ti/26
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
CDSKR SYA a
Penerbit
Makassar : UNITAMA., 2025
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF SYA a
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Andi Maulidinnawati A. K. Parewe dan Pembimbing II: Fitriana M. Sabir Penguji: Muhammad Arafah, Muhammad Resha dan Endang Sriningsih
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?