Pengembangan Sistem Prediksi Berbasis Machine Learning untuk Rekomendasi Prioritas Pemanggilan Pelanggan pada Call Center di Bidang Leasing (Studi Kasus PT Intelix Global Crossing)

Ilham Yudantyo

Abstrak

PT Intelix Global Crossing yang menjadi mitra dalam penelitian ini merupakan perusahaan berbasis teknologi informasi yang bergerak di bidang solusi local contact center dan collection systerm terbesar di Indonesia, memerlukan adanya sebuah sistem yang dapat memprediksi dan memberikan rekomendasi prioritas pelanggan yang akan dilakukan pemanggilan oleh call center telecollection yang merupakan salah satu produknya, yang digunakan oleh perusahaan di bidang leasing. Hasil rekomendasi tersebut ditujukan untuk membantu pertimbangan keputusan dalam melakukan pemanggilan. Penelitian ini bertujuan untuk mengukur serta mengetahui performa model pada sistem prediksi yang berbasis algoritma machine learning dalam memberikan hasil rekomendasi prioritas pemanggilan pelanggan untuk call center tele-collection. Algoritma machine learning yang digunakan untuk membuat model prediksi tersebut adalah Random Forest dengan fokus penilaiannya pada f1-score kelas 1 (status panggilan diangkat) yang bertujuan untuk memaksimalkan kemampuan model dalam memprediksi pelanggan yang berpeluang mengangkat telepon dengan precision yang baik (memaksimalkan true postive) dan tidak melewatkan banyak pelanggan yang sebenarnya berpotensi mengangkat telepon (meminimalkan false negative). Implementasi tuning hyperparameter dengan GridSearchCV menekankan pada optimasi f1-score kelas 1 untuk mencapai tujuan tersebut. Selama proses pengembangan, dilakukan penanganan ketidakseimbangan data antara kelas 0 dan 1 dengan menerapkan teknik resampling berupa undersampling dan oversampling. Hasil evaluasi menunjukkan bahwa model dengan teknik undersampling memiliki performa yang lebih baik dengan f1-score kelas 1 sebesar 67% dibandingkan oversampling yang hanya mencapai 18%. Hasil tersebut menunjukkan bahkan bahwa performa model prediksi menggunakan Random Forest memiliki hasil yang moderat atau cukup dalam mengidentifikasi pelanggan yang berpotensi mengangkat telepon.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.20.5 · 33e0fa7