Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Wilson Firmanda Manurun Pengarang Dr. Humuntal Rumapea, M.Kom Dosen Pembimbing 1 Dr. Sri Agustina Rumapea, ST., M.Kom Penguji 1

ABSTRAK Permasalahan ini, memfokuskan pada perbandingan dua metode prediksi, yaitu Random Forest dan Support Vector Machine (SVM), untuk menganalisis dan mengatasi potensi nasabah churn. Metode Random Forest dan Support Vector Machine (SVM) dipilih untuk membangun model klasifikasi dengan penekanan pada penanganan ketidakseimbangan kelas data. Analisis proses ini diawali dengan Exploratory Data Analysis (EDA) serta preprocessing yang dilakukan untuk mempersiapkan data, analisis ini menggunakan bahasa pemrograman python. Berdasarkan hasil dari penelitian yang sudah dilakukan, metode Random Forest memiliki nilai akurasi dan nilai F1-Score lebih unggul dibandingkan dengan menggunakan metode Support Vector Machine (SVM). Nilai F1-Score untuk model metode Random Forest adalah 0,91 atau 91% dan nilai F1-Score untuk metode Support Vector Machine 0,86 atau 86%. Berdasarkan nilai ini, perbedaan F1-Score adalah 0,04 atau 0,4%. Dapat disimpulkan bahwa penerapan metode Random Forest mampu memprediksi Nasabah Churn yang lebih baik dibandingkan dengan menggunakan metode Support Vector Machine (SVM). Kata Kunci : Churn, Random Forest, Support Vector Machine (SVM)