Prediksi Churn Pelanggan Telekomunikasi dengan XGBoost dan Explainable AI (SHAP)

Abstrak

Retensi pelanggan krusial bagi operator telekomunikasi. Model XGBoost dilatih pada data 120.000 pelanggan dengan fitur demografi, penggunaan, dan interaksi layanan. AUC-ROC mencapai 0,94. Analisis SHAP mengidentifikasi tenure, keluhan, dan paket data sebagai faktor dominan, mendukung strategi retensi yang lebih tepat sasaran.