PREDIKSI CHURN PELANGGAN DALAM CUSTOMER RELATIONSHIP MANAGEMENT DENGAN MODEL GWO-ATTENTION-CONVLSTM

Penelitian ini mengusulkan model hibrida GWO–Attention–ConvLSTM untuk memprediksi customer churn pada Customer Relationship Management (CRM) berbasis data panel bulanan pelanggan asuransi tahun 2024. Data disusun menjadi urutan 12 bulan per pelanggan melalui windowing dan dipetakan ke tensor 5D berukuran (pelanggan × 12 × 3 × 3 × 3) agar ConvLSTM dapat mengekstraksi pola temporal–spasial. Keluaran ConvLSTM dirangkum menggunakan attention untuk menekankan bulan yang paling berpengaruh, sedangkan hiperparameter diopti masi menggunakan Grey Wolf Optimizer (GWO) sebelum pelatihan akhir. Evaluasi dilakukan menggunakan akurasi, presisi, recall, F1-score, dan Area Under the Curve (AUC). Pada data uji, model mencapai AUC 0.9377 dan akurasi 0.8663. Dengan threshold 0.35, recall 0.6923 dan presisi 0.30, yang menunjukkan peningkatan sensitivitas deteksi churn dengan konsekuensi kenaikan false positive. Model menghasilkan peringkat risiko churn yang dapat diintegrasikan sebagai masukan keputusan retensi pada sistem CRM