ABSTRAKSI: Churn Prediction merupakan salah satu task data mining yang bertujuan untuk memprediksi pelanggan-pelanggan yang hendak melakukan churn baik secara involuntary atau voluntary. Churn adalah pemutusan semua jasa terhadap suatu provider atau perusahaan. Munculnya churn ini bisa mengakibatkan kerugian yang sangat besar kalau tidak diselesaikan dengan baik. Pelanggan merupakan aset perusahaan yang sangat penting karena dengan adanya pelanggan maka suatu perusahaan telekomunikasi bisa maju. Melakukan prediksi ini sangat penting karena dapat memberikan solusi terhadap kemungkinan pelanggan akan melakukan churn. Hal ini disebabkan karena cost untuk mempertahankan pelanggan akan lebih murah dibandingkan dengan usaha mendapatkan pelanggan yang baru. Metoda yang digunakan pada tugas akhir ini adalah metoda Linear Discriminant Analysis (LDA) dengan menggunakan pendekatan Fukunaga Koontz Transform (FKT). Analisis diskriminan merupakan salah satu algoritma yang digunakan untuk pengenalan pola dan untuk menemukan subspace yang optimal. Untuk mengelompokkan data digunakan fungsi pemisah atau fungsi diskriminan. Fungsi diskriminan ini digunakan untuk menentukan kelas data yang lain. Metode ini bekerja berdasarkan perhitungan matriks sebaran within class (Sw) dan matriks sebaran between class (Sb). Dalam metode LDA ini menggunakan pendekatan FKT dengan tujuan untuk mendapatkan fungsi diskriminannya, dalam metode ini sering disebut dengan Fisher Criterion. Untuk proses klasifikasi dilakukan dengan menghitung Euclidean Distance yang akan memisahkan data menjadi dua kelas . Akurasi dari model churn prediction yang dibuat dinyatakan dalam Lift Curve dan Top DecileKata Kunci : Kata kunci : Churn, Churn Prediction, Fukunaga Koonts Transform, LDA, Euclidean Distance.ABSTRACT: Churn Prediction is one of Data Mining uses that aims to predict customers which wants to take churn either involuntary or voluntary. Churn is defined as disconnection of all company services. Churn leads to huge losses if not resolved correctly. Customes are very important company assets that help company grow. This churn prediction is can be important because it helps solution to prevent churn. Costs to maintain customers are cheaper than to target new customers. In this final project, Linear Discriminant Analysis method with Fukunaga Koontz Transform approach. Linear Analysis is one of methods is use to regocnize pattern and to get the optimal subspace. To group the data this methode is employed to determine discriminant function. This function is perform to search the other class or label. This methode uses scatter Sw (within class) and scatter Sb (between class). LDA uses FKT approach to get the discriminant,called Fisher Criterion . For classification prosess is done by calculating the Euclidean Distance that will separate data into two classes. Accuracy of churn prediction model that is expressed in Lift Curve and Top Decile.Keyword: Keywords : Churn, Churn Prediction, LDA ,Fukunaga Koontz Trasform, Euclidean Distance.