Description

Latar Belakang

Churn Prediction adalah sebuah studi kasus yang biasa digunakan oleh perusahaan untuk mengetahui customer atau pelanggan apakah akan stay atau menetap di perusahaan tersebut dengan fasilitas yang diberikan atau pergi dari perusahaan tersebut dan berpindah ke perusahaan lain.

Dasar Teori

1. Dataset

Dataset yang digunakan adalah dataset bank turnover.

2. EDA

Mengubah dataset menjadi dalam bentuk categorical numeric, sehingga masing masing angka merepresentasikan suatu kata.

3. Preprocessing

• Preprocessing menggunakan MinMaxScaler untuk menscaling angka serta memperpendek jarak angka, nilai akan dikembalikan pada saat visualisasi data, sehingga data akan menggunakan angka real.
• Oversampling, studi kasus klasifikasi tidak terlepas dengan kondisi kelas yang tidak berimbang, dalam penelitian ini saya menggunakan metode oversampling untuk menyamakan jumlah kelas, sehingga kondisi imbalanced data dapat tersolve dengan baik.

4. Modelling

Deep Neural Network

5. Evaluation

Evaluation menggunakan Clasification Report dan Confusion Matrix.

Alat & Bahan

1. Laptop
2. Koneksi internet
3. Google Colab / Kaggle

Hasil

Kesimpulan dari project ini adalah dengan menggunakan model Deep Neural Network dapat melakukan klasifikasi dengan baik, hal ini dibuktikan dengan nilai akurasi yang tinggi yaitu 87% serta didukung dengan nilai Precision, Recall dan F1 Score yang tinggi, hal ini bisa tercapai dengan adanya pembagian kelas yang seimbang, sehingga model tidak ada kecenderungan dalam memilih kelas yang lebih banyak terutama pada tahap prediksi.