PENGGUNAAN METODE BAGGING DENGAN MENERAPKAN DATA BALANCING PADA CHURN PREDICTION UNTUK PERUSAHAAN TELEKOMUNIKASI

Transkripsi

1 Sminar Nasional Alikasi Tknologi Informasi 29 (SNATI 29) ISSN: Yogyakarta, 2 Juni 29 PENGGUNAAN METODE BAGGING DENGAN MENERAPKAN DATA BALANCING PADA CHURN PREDICTION UNTUK PERUSAHAAN TELEKOMUNIKASI ZK. Abdurahman Baizal, Moh. Arif Bijaksana 2, Ina Rofi atun Nasihati 3, Tl (22)75648 xt 2298 Fax (22) Program Studi Ilmu Komutasi, Fakultas Sains Institut Tknologi Tlkom, Bandung 2,3 Program Studi Tknik Informatika, Fakultas Tknik Informatika Institut Tknologi Tlkom, Bandung Jl Tlkomunikasi, Trusan Buah Batu, Bandung zka@ittlkom.a.id, 2 mab@ittlkom.a.id, 3 ina_dhast3@yahoo.om, ABSTRAK Churn Prdition mruakan salah satu alikasi data mining yang brtujuan untuk mmrdiksi ara langgan yang brotnsial untuk hurn. Churn Prdition mruakan salah satu kasus klas imbalan dan hurn mruakan klas minor. Trdaat bbraa ara untuk mngatasi rmasalahan imbalan lass yang mlkat ada kasus hurn ini. Salah satu ontohnya dngan ara mlakukan balaning trhada data training atau dngan ara mnggunakan mtod yang khusus daat mnylsaikan rmasalahan imbalan lass ini. Analisis yang dilakukan ada nlitian ini adalah mngtahui aakah mtod dan Lazy daat dijadikan solusi dalam mngklasifikasikan data hurn. Dalam mndukung nlitian ini, dibuat rangkat lunak yang mngimlmntasikan mtod, dan Lazy. Pngujian dilakukan dngan mnggunakan data salah satu rusahaan tlkomunikasidi Indonsia. Sbagai mtod mbanding adalah Boosting Clmntin. dan C5. Clmntin.. Analisis dilakukan dngan mlakukan nghitungan akurasi modl hurn rdition yang dinyatakan dalam bntuk lift urv, to dil dan gini offiint srta f- masur untuk nghitungan akurasi data yang imbalan. Dari analisa yang dilakukan, mtod daat mmrdiksikan data hurn jika dilakukan balaning trlbih dahulu trhada data training yang digunakan. Ttai dari aramtr lift urv, gini offiint, trnyata Lazy mnghasilkan nilai yang lbih baik untuk data yang sangat imbalan (tana balaning) Kata kuni : bagging, lazy bagging, boosting, data imbalan, hurn rdition, akurasi.. PENDAHULUAN Prkmbangan tknologi tlkomunikasi yang smakin sat mndorong brkmbangnya rusahaan-rusahaan tlkomunikasi slular srti CDMA dan GSM. Smakin banyaknya rusahaan ini maka akan mnybabkan smakin maraknya rsaingan diantara rusahaan tlkomunikasi untuk mnarik langgan sbanyakbanyaknya Kasus hurn mruakan rmasalahan utama yang sring dihadai olh ara rusahaan tlkomunikasi karna akan brngaruh trhada rvnu yang didaatkan olh rusahaan trsbut. Olh karna itu, rlu adanya suatu modl rdiksi yang akurat shingga daat mmrdiksi langgan yang akan hurn. Prmasalahan yang ada ada data hurn yaitu imbalan lass, yang brarti adanya klas mayor dan klas minor (rar vnt). Churn mruakan klas minor karna biasanya untuk stia bulannya Rata-rata hurn ada suatu rusahaan tlkomunikasi skitar,8% dari sluruh langgan yang ada atau bahkan lbih sdikit lagi (Lmmns, 26). Ensmbl mthod mruakan mtod yang mmbangun kumulan lassifir dari data training dan kmudian mmrdiksi klas labl ada data tsting dngan id mnggabungkan rdiksi dari bbraa lassifir trsbut (Tan, Pang-Ning, 25). Trdaat dua mtoda ada nsmbl mthod yaitu dan Boosting (Tan, Pang- Ning, 25). Olh karna itu, ada nlitian ini dilakukan analisa hurn rdition dngan mnggunakan mtod, dan Lazy. Sbagai mtod mbanding yang juga mruakan nsmbl mthod adalah Boosting Clmntin. (mmanfaatkan tool Clmntain.). Mtod mbanding tambahan adalah C5 Clmntin. (mmanfaatkan tool Clmntain.) Hasil akhir nlitian ini adalah hurn rdition dngan mlakukan nghitungan akurasi modl hurn rdition yang dinyatakan dalam bntuk lift urv, gini offiint dan to dil lift sbagai valuasi untuk kasus hurn. Slain itu juga akan dilakukan rhitungan f-masur sbagai valuasi untuk data imbalan. 2. CHURN PREDICTION Churn rdition adalah salah satu alikasi dari task data mining yang brtujuan untuk mmrdiksi langgan yang brotnsi untuk hurn. Dalam hal ini, langgan yang hurn daat dibagi mnjadi dua klomok utama (Rob, 25), yaitu: a. Voluntary hurnrs / sukarla E-34

2 Sminar Nasional Alikasi Tknologi Informasi 29 (SNATI 29) ISSN: Yogyakarta, 2 Juni 29 Voluntary hurnrs lbih sukar untuk ditntukan, sbab ada langgan jnis ini hurn trjadi ktika sorang langgan mmbuat kutusan sara sadar untuk mngakhiri layanan yang digunakan. b. Involuntary hurnrs / tidak sukarla Involuntary hurnrs ini lbih mudah untuk diidntifikasi, srti langgan yang mnggunakan jasa ditarik/diabut dngan sngaja olh rusahaan trsbut dikarnakan adanya bbraa alasan. Churn rdition mruakan salah satu kasus imbalan lass ada kondisi datanya. Pada kasus hurn rdition, trdaat dua klas yaitu klas loyal dan klas hurn. ttangga trdkat yang ditmukan trsbut untuk mmbangun bootstra bag (Zhu, 27). Brbda dari biasa yang sara langsung mlakukan samling sbanyak N instan dari training st T, Lazy akan mlakukan samling sara indndnt dari kduanya yaitu dari kumulan ttangga trdkat sbanyak K dan data training sbanyak N-K instan (Zhu, 27). Lazy mruakan Lazy larning, maka ross larning dilakukan dngan ara mnunggu samai trdaat instan tst. 3. IMBALANCE PROBLEM Larning dari datast imbalan, dimana jumlah instan ada satu klas (klas mayor) jauh lbih banyak dibandingkan dngan klas yang lain, mruakan suatu tantangan nting untuk komunitas msin larning (Guo, 24). Imbalan lass mruakan suatu masalah atau tantangan karna biasanya msin larning akan mnghasilkan suatu akurasi rdiksi yang baik trhada klas data latih yang banyak (klas mayor), sdangkan untuk klas data training yang sdikit (klas minor) akan dihasilkan akurasi rdiksi yang buruk. 4. BAGGING mruakan mtod yang daat mmrbaiki hasil dari algoritma klasifikasi mahin larning (Brimann, 994). Mtod ini diformulasikan olh Lo Briman dan nama trsbut disimulkan dari hras Bootstra Aggrgating (Brimann, 994). mruakan salah satu mtod yang brdasar ada nsmbl mthod, olh karna itu sara umum taha-taha ada mtod daat dilihat ada gambar yang tlah dijlaskan tadi. Ada bbraa hal nting dalam mtod ini yaitu : a. Pndistribusian data (bootstra) dibuat dngan mnggunakan samling with rlamnt. b. Mmbangun lassifir ada stia bootstra saml. Cara krja mtod ini, diilustrasikan ada gambar. 5. LAZY BAGGING Lazy (LB) mruakan algoritma yang daat digunakan untuk mmrdiksi data imbalan (Zhu, 27). Dsain Lazy yaitu dngan ara mmbangun bootstra brdasarkan ada karaktristik yang trdaat ada instan tst. Prtama, Lazy akan mnoba untuk mnmukan ttangga trdkat untuk tst instan sbanyak k dari training st T, dan mnggunakan Gambar. Pross Tabl. Kritria Mtod dan Boosting No Kritria Boosting. Brdasar ada Ya Ya mtod nsmbl 2. Satu itrasi tidak Tidak Ya brngaruh trhada itrasi lain (indndnt) 3. Voting dilakukan Ya Tidak dngan ara voting klas mayoritas yang diilih, tidak dingaruhi adanya nilai bta/alfa yang didaatkan dari stia itrasi. 4. Adanya rhitungan bobot, nilai bta, dan udat bobot yang dilakukan stia itrasi Tidak Ya E-35

3 Sminar Nasional Alikasi Tknologi Informasi 29 (SNATI 29) ISSN: Yogyakarta, 2 Juni BOOSTING Mtod boosting bkrja ada tia itrasi yang dilakukan. Antara itrasi satu dngan itrasi yang slanjutnya ada ktrkaitan. Stlah dilakukan ngklasifikasian ada tia itrasi, akan adanya ng-udat-an bobot ada stia rord data. Hal ini ditujukan untuk mningkatkan bobot ada rord data yang salah diklasifikasikan ada itrasi sblumnya dan mngurangi bobot ada rordrord yang tlah bnar diklasifikasikan. Stlah itu akan dilakukan voting brdasarkan bobot yang didaatkan dari stia itrasi. (lihat tabl ). 7. C5 C5 adalah salah satu modl dision tr. Di sini digunakan kritria information gain untuk mmilih atribut yang akan digunakan untuk misahan obyk. Atribut yang mmunyai information gain trtinggi diilih untuk mlakukan mahan. Algoritma ini adalah rbaikan dari C45 (Woolf, R.J., 25). Bbraa rbaikan dalam C5 (Brry, Linoff, 24) adalah dari sisi katan, nghmatn mmori, dision tr yang lbih raming, srta kmamuannya dalam mrduksi nois. Bbraa fungsionalitas tambahan di C5 adalah. Variabl mislassifiation osts 2. Cas wight attribut 3. Ada tambahan untuk mnangani ti data dats, tims, timstams, ordrd disrt attributs, dan as labls 4. Dukungan untuk samling and rossvalidation 8. EVALUASI IMBALANCE CLASS Stlah trbntuk matrik valuasi, daat dihitung bbraa aramtr yang akan dijadikan ukuran sbagai valuasi rformansi lassifir ada data imbalan. Paramtr aramtr trsbut daat dihitung dngan formula sbagai brikut. Rall (r) : TP () TP+ FN Prision () : TP (2) F-masur : TP+ FP 2 r (3) r + 9. EVALUASI CHURN PREDICTION 9. Lift Curv Lift urv adalah alat ukur yang biasa digunakan di dalam kasus hurn rdition yang mmtakan hasil rdiksi dari modl lassifir k dalam bntuk kurva srti ada gambar 2. Prosntas Churnr Lift Curv Prosntas Customr Gambar 2. Contoh Lift Curv ChurnPrdA Churn PrdB Bas Lin 9.2 To Dil % To dil % mruakan akurasi yang lbih mmfokuskan ada % riskist sgmnt yaitu fokus kada skumulan ustomr sbanyak % dari ksluruhan ustomr yang mmiliki robabilitas hurn yang aling tinggi. Shingga daat diktahui ustomr mana saja yang mmunyai kmungkinan untuk hurn lbih bsar dan suatu rusahaan daat mngatur stratgi untuk ustomr yang trmasuk k dalam klomok riskist sgmnt, shingga daat dilakukan ngahan rosntas hurnr yang lbih banyak lagi ˆ% π ToDil = (4) ˆ π Ktrangan ˆ% π : rosntas hurnr yang brada ada riskist sgmnt πˆ : rosntas hurnr ada ksluruhan ustomr 9.3 Gini Coffiint Gini offiint tidak hanya fokus ada kumulan ustomr yang aling brsiko untuk hurn. Pngukurannya mmrtimbangkan smua sor, trmasuk ustomr yang kmungkinan untuk hurnnya kil (Lmmns, 26). Prhitungan gini offiint daat dilakukan dngan formula (Lmmns, 26): Gini = n 2 ( vi vi ˆ ) (2) n i= Ktrangan: vi : rosntas hurnr yang nilai robabilitas hurnnya sama atau lbih bsar dari ustomr k i. vˆ i : rosntas ustomr yang nilai robabilitas hurnnya sama atau lbih bsar dari ustomr k i. n : jumlah ustomr.. ANALISIS DAN PENGUJIAN Data yang digunakan adalah data langgan salah satu rusahaan tlkomunikasi di Indonsia dngan komosisi sbagai brikut: E-36

4 Sminar Nasional Alikasi Tknologi Informasi 29 (SNATI 29) ISSN: Yogyakarta, 2 Juni 29. Data training, dngan jumlah rord sbanyak rord dan tingkat imbalan.77%. 2. Data tsting dngan jumlah rord sbanyak 29 rord dan tingkat imbalan.78%. Mtod yang digunakan adalah dan Lazy. Sbagai mbanding adalah mtod Boosting Clmntin. srta C5 Clmntin.. Adaun Sknario Pngujian Sistm, dibagi mnjadi 3 maam srti trlihat ada tabl 2, dimana dilakukan ross data balaning, dngan ara mndulikasi data minor. Tabl 2. Sknario Distribusi Data Sknario Data Mayor Data Minor % Imbalan Jumlah Data % % % Analisis Akurasi Brdasarkan Paramtr Evaluasi Churn Prdition Paramtr valuasi hurn rdition adalah to dil %, lift urv dan gini offiint. Analisis dilakukan untuk ktiga sknario ada tabl Pngujian dan Analisis Sknario Dari hasil ngujian dirolh nilai to dil yang ditunjukkan ada gambar 3. T o D i l,2,8,6,4,2 Boosting Clm,4 Lazy C5. Clm Sris Gambar 3. To Dil % Sknario, Boosting Clmntin dan C5. mnghasilkan nilai to dil karna smua rord tidak ada yang dirdiksikan hurn dan mmunyai robabilitas hurn yang sama untuk smua rord. Lazy daat mnghasilkan nilai to dil yang brbda dngan mtod lain karna rul yang dibntuk bragam shingga mngakibatkan robabilitas hurn un bragam. Nilai lift urv dari hasil ngujian sknario ditunjukkan ada gambar 4. Sama halnya srti ada to dil %, lift urv untuk, Boosting dan C5. tidak trlihat karna lift urv yang dihasilkan sama dngan baslin (random). Gini Coffiint,7,6,5,4,3,2,,599 Boosting Clm Lazy C5. Clm Gambar 5. Gini Coffiint Sknario Nilai Gini Coffiint dari hasil ngujian sknario ditunjukkan ada gambar 5. Nilai akurasi gini offiint untuk, Boosting dan C5. mnghasilkan nilai akurasi dikarnakan mmbntuk lift urv yang sama dngan random lift urv (baslin) shingga luasnya brnilai. Hal ini dikarnakan robabilitas hurn yang dihasilkan sama untuk smua rord. Nilai gini offiint yang trtinggi yaitu Lazy karna rul yang dibntuk rlatif lbih sdikit. Hal ini dikarnakan Lazy tidak mnghasilkan data sinttik tai mnghasilkan bootstra yang brisi ttangga trdkat data tsting yang diambil dari data training itu sndiri Pngujian dan Analisis Sknario 2 Dari hasil ngujian dirolh nilai to dil yang ditunjukkan ada gambar 6. Lift Curv Churn Prdition 2 % 8 h 6 Boosting Clm u 4 Lazy r 2 C5. Clm n baslin 2,5 5 7,5 r % ustomr T o D i l 4,5 4 3,5 3 2,5 2,5,5 3,75 3,779 3,895 3,42 Boosting Clm Lazy C5. Clm Gambar 4. Nilai Lift Curv Sknario Gambar 6. To Dil % Sknario 2 E-37

5 Sminar Nasional Alikasi Tknologi Informasi 29 (SNATI 29) ISSN: Yogyakarta, 2 Juni 29 Nilai to dil yang trtinggi dihasilkan olh C5. sbsar 3,895 sbagai ringkat rtama. Dalam hal ini mnunjukkan kinrja yang lbih baik dibanding Lazy. Ttai dibanding sknario, Lazy sudah lbih baik. % hurnr Lift Curv Churn Prdition 2,5 5 7,5 % ustomr Boosting Clm Lazy C5. Clm baslin Gambar 7. Nilai Lift Curv Sknario 2 Nilai lift urv dari hasil ngujian sknario 2 ditunjukkan ada gambar 7. Sama halnya srti ada to dil, lift urv yang trtinggi dihasilkan olh C5. sbsar 38,95% hurnr ada % ustomr sbagai ringkat rtama. Sdangkan sdikit lbih baik dariada Lazy, walauun kduanya masih lbih buruk dariada C5 dan Boosting. Gini Coffiint,8,7,6,5,4,3,2,,56,7,43,544 Boosting Clm Lazy C5. Clm Gambar 8. Nilai Gini Coffiint Sknario 2 Nilai Gini Coffiint dari hasil ngujian sknario 2 ditunjukkan ada gambar 8. Nilai gini offiint yang trtinggi yaitu ada saat mnggunakan Boosting Clmntin. Hal dikarnakan rul yang dibntuk olh Boosting Clmntin lbih sdikit kragamannya dibandingkan dngan mtod lain. Di sini nilai Gini untuk sdikit lbih baik dariada Lazy...3. Pngujian dan Analisis Sknario 3 Dari hasil ngujian dirolh nilai to dil yang ditunjukkan ada gambar 9. T o D i l 4,5 4 3,5 3 2,5 2,5,5 3,853 3,874 2,969 3,474 Boosting Clm Lazy C5. Clm Gambar 9. To Dil % Sknario 3 Boosting mnmati ringkat rtama dngan mnghasilkan nilai to dil 3,874. mnmati ringkat kdua dngan nilai to dil 2,853. Smntara itu Lazy nilai To dil aling kil. Nilai To dil untu Lazy tamak ada nurunan dariada sknario 2, ini data sinttik yang dibntuk lbih banyak shingga kragaman robabilitas un lbih banyak. % hurnr Lift Curv Churn Prdition 2,5 5 7,5 % ustomr Boosting Clm Lazy C5. Clm baslin Gambar. Nilai Lift Curv Sknario 3 Nilai lift urv dari hasil ngujian sknario 2 ditunjukkan ada gambar. Boosting mnmati ringkat rtama dngan mnghasilkan lift urv yang trbaik dngan mnbak 38,736% hurnr dari % ustomr. mnmati ringkat kdua dngan mnghasilkan lift urv 38,526% hurnr. Di sini Lazy ada ringkat trakhir, ini dikarnakan ada sknario 3 lbih banyak data sinttik yang dibntuk, dan ini justru mlmahkan mtod Lazy. Gini Coffiint,8,7,6,5,4,3,2,,54,698,424,53 Boosting Clm Lazy C5. Clm Gambar. Nilai Gini Coffiint Sknario 3 E-38

6 Sminar Nasional Alikasi Tknologi Informasi 29 (SNATI 29) ISSN: Yogyakarta, 2 Juni 29 Nilai Gini Coffiint dari hasil ngujian sknario 2 ditunjukkan ada gambar. Sama halnya ada sknario 2, nilai gini offiint yang trtinggi yaitu ada saat mnggunakan Boosting Clmntin yaitu sbsar,698. Hal dikarnakan rul yang dibntuk olh Boosting Clmntin lbih sdikit kragamannya dibandingkan dngan mtod lain. Lazy mmunyai nilai yang aling kil, dikarnakan ada sknario 3 lbih banyak data sinttik yang dibntuk, dan ini justru mlmahkan mtod Lazy.2 Analisis Akurasi Brdasarkan Paramtr Evaluasi Imbalan Class. Paramtr valuasi untuk imbalan lass yang diakai di sini adalah f-masur. Nilai f-masur dari hasil ngujian dari ktiga sknario dirlihatkan ada tabl 2 Tabl 2. Nilai f-masur Mtod Sknario Sknario 2 Sknario Lazy Boosting Clmntin C Pada sknario nilai F-masur smuanya, ini brarti ada data yang sangat imbalan, kmat mtod tidak daat mlakukan rdiksi dngan baik. Sdangkan ada kadaan data yang sudah dibalaning, yaitu ada sknario 2 dan sknario 3 nilai f-masur yang trtinggi yaitu dihasilkan olh Boosting Clmntin, smntara itu dan Lazy juga mngalami ningkatan kmamuan. PUSTAKA Brry, Mihal J.A., Linoff, Gordon S., (24), Data Mining Thniqus For Markting, Sals, Customr Rlationshi Managmnt, Sond Edition, John Wily and Sons Briman,L: rditors., (994) Thnial Rort 42, Dartmn of Statistis, Univrsity of California at Brkly, USA Guo,H.,Viktor,H.L., (24) Larning from Imbaland Data Sts with Boosting and Data Gnration: Th Databoost-IM Aroah, ACM SIGKDD Exlorations, Lmmns, Aurli., Croux, Christoh., (26)., and Boosting Classifiation Trs. Journal of Markting Rsarh, 43(2) Mahova, Kristina., Barak, Frantisk., Bdar, Ptr., (24), A Mthod using Dision Trs in Th Rol of Bas Classifirs, Thnial Univrsity, Slokavia. Rob, Matison, (25), Tlo Churn Managmnt : Th Goldn Oortunity, XIT Prss, Illionis, USA Tan, Pang-Ning., Stinbah, Mihal and Kumar, Viin., (25) Introdution to Data Mining. Addison Wsly, USA Woolf, R.J.(25) Data Mining using Matlab. Faulty of Enginring & Survying Univrsity of Southrn Qunsland Zhu, Xingquan., (27), Lazy for Classifying Imbalan Data, ICDM, Boa Raton.USA.. KESIMPULAN Mtod dan Lazy daat mmrdiksikan data hurn jika dilakukan balaning trlbih dahulu trhada data training yang digunakan. Ttai mtod Lazy lbih ka trhada ross Balaning ini jika dulikasi data minor dilakukan lbih banyak, nilai nurunan kinrja mtod ini lbih mnolok dariada. Mtod Lazy ndrung mnghasilkan nilai akurasi lift urv, dan gini offiint yang lbih baik dibandingkan mtod lain ada data imbalan (tana ross balaning). Lazy blum brhasil dalam mngatasi masalah data imbalan, karna trlihat ada akurasi nilai f-masur sknario, mnghasilkan f- masur yang sangat kil. E-39