Pelanggan sangat penting bagi suatu perusahaan, termasuk bagi suatu perusahaan
telekomunikasi. Suatu perusahaan dapat menambah profit dengan menarik
pelanggan baru. Namun, untuk memperoleh pelanggan baru, dapat saja biaya
yang diperlukan sangat besar dibandingkan dengan biaya untuk mempertahankan
pelanggan yang sudah dimiliki. Maka dari itu, suatu perusahaan telekomunikasi
perlu menganalisis penyebab pelanggan berhenti menggunakan nomor teleponnya.
Pada Tugas Akhir ini, dianalisis peluang seorang pelanggan akan berhenti menggunakan
nomor teleponnya atau yang juga dikenal dengan istilah customer churn.
Umumnya, pemodelan untuk masalah ini dapat dilakukan menggunakan Generalized
Linear Model (GLM). Tetapi, GLM memiliki kelemahan yang mana distribusi
respons harus berasal dari distribusi keluarga eksponensial. Kekurangan tersebut
dapat diatasi dengan data mining karena data mining dapat digunakan untuk
menemukan struktur di data tanpa mengasumsikan suatu distribusi peluang tertentu.
Dalam Tugas Akhir ini, dibangun dua model prediksi, yaitu: GLM; dan GLM
yang di-suplemen oleh metode Multivariate Adaptive Regression Splines (MARS).
Hasil prediksi dari kedua model dibandingkan menggunakan dua kriteria, yaitu nilai
Akaike’s Information Criterion (AIC) dan Area Under Curve (AUC). Untuk GLM,
diperoleh nilai AIC sebesar 5869.24 dan nilai AUC sebesar 0.8480; sedangkan
untuk GLM yang di-suplemen oleh MARS, diperoleh diperoleh nilai AIC sebesar
5803.1 dan nilai AUC sebesar 0.8501. Nilai AIC dan AUC untuk kedua model
tidak berbeda secara signifikan. Dengan demikian, dipilih GLM sebagai model
yang paling optimal untuk data ini karena membangun GLM lebih sederhana dibandingkan
dengan GLM yang di-suplemen oleh MARS.