Penelitian ini mengeksplorasi penerapan teknik data mining untuk memprediksi masa berlangganan (tenure) pelanggan di industri telekomunikasi menggunakan dataset Telco Customer Churn. Churn pelanggan merupakan tantangan kritis dalam pasar telekomunikasi yang sangat kompetitif. Dengan memprediksi berapa lama pelanggan akan tetap berlangganan, perusahaan dapat menghitung Customer Lifetime Value (CLV) dan merancang strategi retensi yang dipersonalisasi. Menggunakan kerangka kerja CRISP-DM, dua algoritma regresi diterapkan: Linear Regression dan Random Forest Regressor. Hasil menunjukkan bahwa Random Forest secara signifikan mengungguli Linear Regression karena kemampuannya dalam menangkap interaksi fitur non-linear. Analisis feature importance mengungkapkan bahwa jenis kontrak (Contract) dan biaya bulanan (Monthly Charges) merupakan prediktor paling berpengaruh. Sebuah dashboard interaktif berbasis Streamlit dikembangkan untuk mengintegrasikan model prediksi secara real-time beserta rekomendasi bundling layanan