Judul

Penulis

Masalah

Variabel

Algorithma

Langkah Peny.

Hasil

A Mathematics
Model of Customer
Churn Based on
PCA Analysis

Zhao Xin
Wang Yi
Cha
Hongwan

Bagaimana
cara
memprediksi (
forecasting )
dan
menganalisa
tingkat churn
di dunia
telekomunikasi
agar diperoleh
data yang
akurat dimana
data yang
diperoleh
adalah
collecting
channel and
data gather,
crude
customer data
have
imprecise,
unbalanced
and high
dimensional
characteristics,
which degrade
model
performance

Status
Customer,
Kepuasan
Pelanggan,
Pengaruh
perubahan
harga

Refining data
by PCA

Data difilter
terlebih dahulu
agar
mendapatkan
data yang asli,
kemudian fitur
fitur data
tersebut
dieliminasi
untuk
mendapatkan
data yang
diharapkan

Jika
menggunakan
algoritma
Hybrid ( mix
LS-SVM dan
PCA ) hasil
yang
diperoleh
memiliki hasil
yang lebih
akurat
daripada LSSVM

Bagaimana
memprediksi
tingkat churn
di dunia
telekomunikasi
dengan
menggunakan
fitur 6
modelling

Kondisi
demografi
customer,
Data log
Customer
service, Call
Details,
Data
Komplain,
billing
information

Logistik
Regression(LR),
Nave
Bayes(NB),
decision tree
(DT), Linear
Classifier(LC),
Artificial
Neural
Network(ANN),
SVM,Data
Mining by
Evolution
Learning
(DMEL)

Semua dataset
diekstrak dibagi
menjadi
beberapa bagian
kemudian
dinormalisasikan
kembali dengan
algorithma
sehingga
didapatkan
prediksi yang
paling bagus
dengan
membandingkan
setiap
algorithma

DT dan SVM
cocok untuk
memprediksi
churn fake
dan true, LR
cenderung
cocok untuk
menyelesaikan
probability
churn,NB dan
DMEL hanya
cocok untuk
data
berdimensi
rendah

Customer churn
Bingquan
prediction in
Huang,
telecommunications Mohand
Tahar
Kechadi,
Brian
Buckley

Non Linear
Classification
by PCA

New insights into

churn prediction in
the
telecommunication
sector: A profit
driven data mining
approach

Wouter
Verbekea,
Karel
Dejaeger
, David
Martens
, Joon Hur
, Bart
Baesens

Bagaimana
cara
memprediksi
profit yang
optimal
dengan
parameter
churn di dunia
telekomunikasi

Kondisi
SVM, C4.5,
demografi
RIPPER, CART,
customer,
PART
Data log
Customer
service, Call
Details,
Data
Komplain,
billing
information

Data difilter
dengan metode
input selection
kemudian di
oversampling
dan kemudian
data tersebut di
classifikasikan

Dengan
metode input
selection
maka
kemungkinan
pemprediksian
profit
berdasarkan
prediksi churn
akan didapat.