PENERAPAN METODE NAIVE BAYES UNTUK MEMPREDIKSI CUSTOMER CHURN BERDASARKAN KINERJA APLIKASI DUOLINGO DI INDONESIA

Abstrak

Pengguna aplikasi pembelajaran daring seperti Duolingo di Indonesia terus meningkat, namun tantangan retensi tetap muncul akibat customer churn. Penelitian ini membangun model prediksi churn berbasis survei persepsi kinerja aplikasi dengan algoritma Bernoulli Naive Bayes dalam kerangka CRISP-DM. Data diperoleh dari 200 responden melalui survei online, kemudian diolah melalui data cleaning, penghapusan atribut berpotensi bocor, feature selection, encoding, hingga pembentukan variabel target. Model dievaluasi dengan 5-fold cross-validation menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasilnya menunjukkan performa rata-rata akurasi 0,8600, presisi 0,8788, recall 0,8721, dan f1-score 0,8717. Analisis sensitivitas menegaskan kinerja model tetap stabil meski satu fitur dihapus, karena informasi penting tersebar di banyak variabel. Temuan ini dapat menjadi dasar strategi retensi yang lebih menyeluruh, dengan fokus pada aspek seperti ketersediaan bahasa, kejelasan progres belajar, keterbacaan ikon, status streak, dan kemudahan navigasi menu.

Kata Kunci: Churn, CRISP-DM, Duolingo, Naive Bayes, Prediksi