Search Articles & Publications

Showing 2 articles found for "Penghentian"

CLUSTERING ROTATIONAL CHURN OF TELECOMMUNICATIONS CUSTOMERS USING A DATA-CENTRICAI APPROACH

Muttaqin, Widang, Lydia, Maya Silvi, Fahmi, Fahmi
Abstract: Abstract: In the current era of very fast technological development, customer churn is a serious challenge, especially in the competitive telecommunications industry. Churn refers to customers who stop using a service or… move to another provider, and can be categorized into three types: Active Churn, Passive Churn, and Rotational Churn. Rotational Churn, which is difficult to predict be- cause the reasons for stopping are unclear, is the main focus of this research. This research aims to group Rotational Churn customers using a Data-Centric AI approach. This approach emphasizes improving data quality through Confident Learning and Synthetic Data before being applied to the K-Means clustering algorithm. The data used in this research is customer churn data from one telecommunications company during 2023. The research results show that customer grouping using the K-Means algorithm can provide deep insight into the characteristics of customer churn. The application of Data-Centric AI is proven to be able to increase the accuracy of clustering models, which ultimately helps compa- nies optimize programs and services to minimize churn and retain customers.       Keywords: data-centric AI; clustering; K-means     Abstrak: Dalam era perkembangan teknologi yang sangat pesat saat ini, churn pelanggan menjadi tantangan serius, terutama dalam industri telekomunikasi yang sangat kompetitif. Churn mengacu pada pelanggan yang berhenti menggunakan layanan atau beralih ke penyedia lain, dan dapat dikategorikan menjadi tiga jenis: Churn Aktif, Churn Pasif, dan Churn Rotasional. Churn Rotasional, yang sulit diprediksi karena alasan penghentian layanan tidak jelas, menjadi fokus utama penelitian ini. Penelitian ini bertujuan untuk mengelompokkan pelanggan Churn Rotasional menggunakan pendekatan Data-Centric AI. Pendekatan ini menekankan pada peningkatan kualitas data melalui Confident Learning dan Synthetic Data sebelum diterapkan ke algoritma K-Means clustering. Data yang digunakan dalam penelitian ini adalah data churn pelanggan dari satu perusahaan telekomunikasi selama tahun 2023. Hasil penelitian menunjukkan bahwa pengelompokan pelanggan menggunakan algoritma K-Means dapat memberikan wawasan mendalam tentang karakteristik churn pelanggan. Penerapan Data-Centric AI terbukti mampu meningkatkan akurasi model klastering, yang pada akhirnya membantu perusahaan mengoptimalkan program dan layanan untuk meminimalkan churn serta mempertahankan pelanggan.   Kata kunci: data-Centric AI; klasterisasi; K-means  

Penerapan Restorative Justice Berdasarkan Peraturan Jaksa Agung Nomor 15 Tahun 2020 Tentang Penghentian Penuntutan Berdasarkan Keadilan Restoratif (Studi Di Kejaksaan Negeri Medan)

Rizka Dwi Savira, Tamaulina br. Sembiring
Abstract: Penerapan restorative justice di lingkup penuntutan melalui Perja 15/2020 merupakan aturan hukum baru dibandingkan di tingkat penyelidikan, penyidikan dan pengadilan. Statusnya yang masih baru menjadikan peraturan ini sebagai… bagai sebuah tantangan tersendiri bagi jaksa untuk menerapkannya dalam rangka restorative justice. Penelitian ini bermaksud menjawab tiga hal; pertama, penerapan restorative justice di Kejari Medan berdasarkan Perja 15/2020; kedua, kendala-kendala yang dihadapi Kejari Medan dalam menerapkan restorative justice; dan ketiga, pelaksanaan ideal restorative justice di masa yang akan datang. Jenis penelitian ini ialah penelitian yuridis normatif dan Jenis data yang digunakan merupakan data sekunder yang didukung dengan data primer berupa wawancara dan pengisian kuesioner. Hasil penelitian menunjukkan bahwa; penerapan restorative justice di Kejari Medan berdasarkan Perja 15/2020 belum dapat berjalan maksimal, adapun kendala-kendala yang dihadapi Kejari Medan dalam menerapkan restorative justice dilandasi atas permasalahan pengaturan yang masih dianggap sangat umum dan tidak mengatur teknis pelaksanaan, struktur pelaksana yang masih belum sepenunya siap melaksanakan restorative justice, fasilitas pelaksanaan yang masih minim, serta partisipasi dan budaya hukum masyarakat sekaligus juga dari internal jaksa sendiri yang masih belum sepenuhnya menerima penyelesaian restorative justice; konsep ideal penerapan restorative justice di masa yang akan datang didasarkan pada semangat penguatan singkronisasi sub-sistem dalam paradigma SPPT melalui pengaturan ketentuan restorative justice yang seragam.