📊 Telco Customer Churn Prediction: Multi-Model Analysis & Interpretability

Domain: Business Intelligence & Telecommunication | Tech Stack: Python, Scikit-Learn, Machine Learning

📌 Ringkasan Proyek

Proyek ini bertujuan untuk membangun model prediktif yang mampu mengidentifikasi pelanggan yang berisiko berhenti berlangganan (churn) pada perusahaan telekomunikasi[cite: 2]. Dengan menggunakan dataset yang mencakup 7.043 pelanggan, proyek ini mensimulasikan siklus hidup proyek Data Science secara end-to-end, mulai dari pembersihan data kotor hingga analisis strategi retensi pelanggan berdasarkan hasil model[cite: 2].

🛠️ Tech Stack & Library

• Bahasa: Python 3.11[cite: 2]
• Manipulasi Data: Pandas, NumPy[cite: 2]
• Visualisasi: Matplotlib, Seaborn[cite: 2]
• Machine Learning: Scikit-Learn (Logistic Regression, Decision Tree, KNN)[cite: 2]
• Interpretability: SHAP & Decision Rules Visualization[cite: 2]

🚀 Alur Kerja Proyek

1. Data Understanding & Cleaning

• Penanganan Anomali: Mengidentifikasi dan memperbaiki kolom TotalCharges yang terbaca sebagai object (string) karena adanya karakter spasi kosong pada pelanggan baru (tenure 0)[cite: 2].
• Imputasi: Melakukan konversi tipe data ke numerik dan mengisi missing values dengan nilai 0 berdasarkan logika bisnis[cite: 2].

2. Exploratory Data Analysis (EDA)

• Class Imbalance: Menemukan bahwa target bersifat tidak seimbang dengan rasio 73.5% (Setia) berbanding 26.5% (Churn)[cite: 2].
• Insight Utama: Pelanggan dengan kontrak bulanan (month-to-month) dan pengguna layanan Fiber Optic memiliki probabilitas churn yang jauh lebih tinggi dibandingkan segmen lainnya[cite: 2].

3. Data Preprocessing

• Encoding: Menggunakan One-Hot Encoding dengan drop_first=True untuk mengubah 20 fitur kategorikal menjadi 31 fitur numerik tanpa terjebak dalam Dummy Variable Trap[cite: 2].
• Scaling: Menerapkan StandardScaler (Z-Score Normalization) untuk menyeragamkan skala fitur numerik guna mengoptimalkan algoritma berbasis jarak (KNN) dan gradien (Logistic Regression)[cite: 2].
• Stratified Splitting: Membagi data (80:20) dengan menjaga proporsi kelas target[cite: 2].

4. Modeling & Optimization

Mengevaluasi tiga algoritma berbeda dengan optimasi hiperparameter:

• K-Nearest Neighbors (KNN): Menggunakan GridSearchCV untuk menemukan nilai $K$ optimal ($K=21$)[cite: 2].
• Decision Tree: Membatasi max_depth untuk mencegah overfitting[cite: 2].
• Logistic Regression: Sebagai model baseline linear yang robust[cite: 2].

📈 Hasil Evaluasi Model

Model	Test Accuracy	CV Mean Accuracy	AUC-ROC Score
Logistic Regression	80.70%	80.25%	0.8418
Decision Tree	79.42%	78.97%	0.8267
KNN (Tuned)	77.08%	78.83%	0.8105

Kesimpulan: Logistic Regression memberikan performa terbaik dalam membedakan pelanggan yang akan churn dengan nilai AUC tertinggi (0.8418)[cite: 2].

💡 Interpretabilitas & Rekomendasi Bisnis

Berdasarkan analisis Feature Importance dan Decision Rules:

1. Faktor Risiko: Tagihan bulanan yang tinggi dan penggunaan layanan Fiber Optic adalah pendorong utama pelanggan untuk berhenti[cite: 2].
2. Faktor Retensi: Durasi berlangganan (tenure) yang lama dan kontrak jangka panjang (1-2 tahun) sangat efektif dalam menjaga loyalitas pelanggan[cite: 2].
3. Strategi: Perusahaan disarankan memberikan promo loyalitas pada bulan-bulan awal kontrak untuk meningkatkan tenure pelanggan baru[cite: 2].

📁 Struktur Repositori

.
├── WA_Fn-UseC_-Telco-Customer-Churn.csv  # Dataset mentah
├── RC_AIProject.ipynb                    # Notebook analisis lengkap
└── README.md                             # Dokumentasi proyek