PREDIKSI CHURN RATE PESERTA SEGMENTASI BUKAN PENERIMA UPAH (BPU) BPJS KETENAGAKERJAAN KANTOR CABANG BALIKPAPAN MENGGUNAKAN MACHINE LEARNING

Arviani, Nadia (2026) PREDIKSI CHURN RATE PESERTA SEGMENTASI BUKAN PENERIMA UPAH (BPU) BPJS KETENAGAKERJAAN KANTOR CABANG BALIKPAPAN MENGGUNAKAN MACHINE LEARNING. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 10221085_cover.pdf Download (366kB)
	Text 10221085_statement_of_authenticity.pdf Download (244kB)
	Text 10221085_publishing_agreement.pdf Download (254kB)
	Text 10221085_approval_sheet.pdf Download (322kB)
	Text 10221085_preface.pdf Download (281kB)
	Text 10221085_abstract_id.pdf Download (275kB)
	Text 10221085_abstract_en.pdf Restricted to Repository staff only until 4 January 2028. Download (261kB) | Request a copy
	Text 10221085_table_of_content.pdf Restricted to Repository staff only until 4 January 2028. Download (304kB) | Request a copy
	Text 10221085_illustrations.pdf Restricted to Repository staff only until 4 January 2028. Download (300kB) | Request a copy
	Text 10221085_tables.pdf Restricted to Repository staff only until 4 January 2028. Download (238kB) | Request a copy
	Text 10221085_notations.pdf Restricted to Repository staff only until 4 January 2028. Download (231kB) | Request a copy
	Text 10221085_chapter_1.pdf Restricted to Repository staff only until 4 January 2028. Download (684kB) | Request a copy
	Text 10221085_chapter_2.pdf Restricted to Repository staff only until 4 January 2028. Download (842kB) | Request a copy
	Text 10221085_chapter_3.pdf Restricted to Repository staff only until 4 January 2028. Download (582kB) | Request a copy
	Text 10221085_chapter_4.pdf Restricted to Repository staff only until 4 January 2028. Download (2MB) | Request a copy
	Text 10221085_conclusions.pdf Restricted to Repository staff only until 4 January 2028. Download (288kB) | Request a copy
	Text 10221085_bibliography.pdf Download (293kB)
	Text 10221085_enclosure.pdf Restricted to Repository staff only until 4 January 2028. Download (2MB) | Request a copy
	Text 10221085_paper.pdf Restricted to Repository staff only until 4 January 2028. Download (897kB) | Request a copy
	Text 10221085_presentation.pdf Restricted to Repository staff only until 4 January 2028. Download (1MB) | Request a copy

Abstract

Sistem jaminan sosial memiliki peran penting dalam melindungi hak pekerja, namun BPJS Ketenagakerjaan Kantor Cabang Balikpapan menghadapi tantangan besar pada segmen Bukan Penerima Upah (BPU). Permasalahan utama yang ditemukan adalah rendahnya capaian kepesertaan yang baru mencapai 35% dari target, serta tingginya angka peserta yang berhenti membayar iuran (churn). Mengingat penanganan saat ini masih bersifat reaktif, penelitian ini bertujuan untuk menganalisis pola churn rate, memprediksinya menggunakan pendekatan Machine Learning berbasis data time series, serta mengevaluasi tingkat akurasi model tersebut. Penelitian ini menggunakan data historis kepesertaan aktif segmen BPU periode 2015–2024. Tahapan metode penelitian mencakup data pre-processing, Exploratory Data Analysis (EDA) dengan dekomposisi STL, dan feature engineering menggunakan teknik sliding window. Pada penelitian ini di tahap pemodelan dilakukan perbandingan dua algoritma ensemble, yakni Random Forest dan Extreme Gradient Boosting (XGBoost). Kedua model dioptimasi melalui metode Grid Search dengan TimeSeriesSplit, lalu dievaluasi menggunakan Walk-Forward Validation berdasarkan metrik MAE, RMSE, dan MAPE. Hasil penelitian menemukan bahwa pola churn rate bergerak secara dinamis yang sangat dipengaruhi oleh tren jangka panjang dan fluktuasi musiman. Dalam pengujian, algoritma Random Forest menunjukkan performa yang lebih stabil dan unggul dengan nilai kesalahan MAE 0,129%, RMSE 0,253%, dan MAPE 46,37%, mengungguli XGBoost. Melalui peramalan out-of-sample dengan metode Recursive Forecasting, model memproyeksikan adanya potensi peningkatan churn rate hingga 1,27% pada pertengahan Januari 2025. Sebagai kesimpulan, Random Forest terbukti andal dalam memprediksi tingkat churn peserta BPU. Model terbaik ini kemudian diimplementasikan ke dalam sebuah dashboard visualisasi yang berjalan menggunakan data statis, di mana luaran ini berfungsi memberikan rekomendasi strategi retensi secara proaktif untuk mendukung pengambilan keputusan bagi BPJS Ketenagakerjaan Kantor Cabang Balikpapan.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Jurusan Matematika dan Teknologi Informasi > Sistem Informasi
Depositing User:	Nadia Arviani
Date Deposited:	14 Jul 2026 01:26
Last Modified:	14 Jul 2026 01:26
URI:	http://repository.itk.ac.id/id/eprint/26012

Actions (login required)

View Item