Analisis Klasifikasi Layanan Postpaid menggunakan Algoritma KNN, Decision Tree, dan Naïve Bayes

Abstract

Layanan postpaid adalah salah satu layanan yang pembayarannya dilakukan setelah pelanggan memakai produk yang disediakan oleh perusahaan, tagihan ini dibayarkan setiap akhir bulan. Klasifikasi layanan postpaid memegang peranan penting dalam strategi bisnis penyedia layanan telekomunikasi karena memungkinkan perusahaan untuk mengidentifikasi dan memahami pola penggunaan pelanggan, sehingga dapat mengembangkan paket layanan yang lebih tersegmentasi dan tepat sasaran, serta meningkatkan efisiensi operasional dan loyalitas pelanggan. Penelitian ini bertujuan untuk membandingkan kinerja setiap algoritma dalam mengidentifikasi pola penggunaan dan segmen pelanggan, sehingga penyedia layanan telekomunikasi dapat menentukan metode yang paling akurat dan efisien diantara tiga model yang sudah diuji. Data yang diteliti adalah data penjualan layanan postpaid pada bulan Juli dan Agustus yang terdiri dari 1.768 data dengan total 5 variabel. Penelitian ini merupakan hasil dari pengujian yang dilakukan memperoleh nilai akurasi tertinggi untuk model KNN dan Naïve Bayes sebesar 100% dan untuk model Decision Tree dengan sebesar 98%. Ini menunjukkan bahwa model KNN dan Naïve Bayes adalah model yang paling cocok untuk menganalisis data penjualan layanan postpaid. Pada penelitian selanjutnya dapat memasukkan algoritma klasifikasi lain seperti Support Vector Machine (SVM), Neural Networks, atau Logistic Regression untuk perbandingan performa yang lebih komprehensif.