Penerapan Metode Machine learning untuk Prediksi Pelanggan Potensial Paket Internet Roaming International menggunakan Algoritma Klasifikasi XGBoost

• MAULANA MALIK
• MAS AGUS RAHMAT MUSALIM
• 2025

---

Penelitian ini berupaya memprediksi pelanggan potensial layanan internet roaming internasional menggunakan machine learning dengan algoritma XGBoost. Latar belakangnya adalah peran penting teknologi informasi dan komunikasi di masyarakat modern, serta meningkatnya kebutuhan akan layanan komunikasi antarnegara seperti paket internet roaming, meskipun penetrasi penggunaan layanan ini masih rendah dibandingkan jumlah wisatawan ke luar negeri yang terus bertambah. Tujuannya adalah membangun model klasifikasi untuk mengidentifikasi pelanggan yang berpotensi membeli paket roaming internasional dan mengevaluasi tingkat akurasinya. Metode yang digunakan meliputi pengumpulan data historis pelanggan dari salah satu perusahaan telekomunikasi di Indonesia melalui Google Cloud Platform dan BigQuery. Data kemudian melalui tahap preprocessing, seperti data cleaning dan penanganan ketidakseimbangan data menggunakan teknik downsampling. Model dibangun dengan algoritma XGBoost, yang dipilih karena efisiensi dan akurasinya dalam menangani data besar dan tidak seimbang. Evaluasi performa model dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan performa model yang baik dengan akurasi 84.5%, precision 82.5%, recall 82.9%, F1-score 82.7%, dan nilai AUC sebesar 91%. Ini mengindikasikan efektivitas model dalam memprediksi pelanggan potensial roaming internasional dan potensi penggunaannya untuk strategi pemasaran yang lebih tepat.

• Machine learning
• XGBoost
• Roaming Internasional
• Prediksi Pelanggan
• Downsampling

https://repository.bsi.ac.id/repo/67423/Penerapan-Metode-Machine-learning-untuk-Prediksi-Pelanggan-Potensial-Paket-Internet-Roaming-International-menggunakan-Algoritma-Klasifikasi-XGBoost
File full-text dikunci.