Tesis

Strategi Customer Retention Melalui Prediksi Churn Pelanggan Layanan Purna Jual Kendaraan Roda Empat Menggunakan Big Data Analytics

Customer Retention Strategy Through Churn Prediction of Automobile After Sales Service Using Bing Data Analytics

---

Dua algoritma machine learning yaitu Decision Tree dan Random Forest digunakan untuk mengklasifikasikan perilaku churn pelanggan. Analisis feature importance dilakukan untuk mengidentifikasi variabel kunci yang mempengaruhi churn, termasuk Status Garansi, Frekuensi Total Servis, dan Tingkat Ketidakpuasan Pelanggan. Model-model tersebut dievaluasi menggunakan metrik akurasi, sensitivitas, spesifisitas, confusion matrix, serta feature importance. Hasil penelitian menunjukkan bahwa integrasi analisis big data dengan metode machine learning ensemble mampu meningkatkan akurasi prediksi churn, sehingga memungkinkan penerapan strategi retensi pelanggan yang lebih tepat sasaran. Penelitian ini memberikan kontribusi secara akademik maupun praktis dengan menyediakan kerangka prediktif yang andal untuk pengelolaan churn di sektor layanan purna jual otomotif.

---

Ketersediaan

Call Number	Location	Available
T 273/25	PSB lt.2 - Karya Akhir	1

Penerbit	Jakarta: Program Studi Magister Manajemen Fakultas Ekonomi dan Bisnis Universitas Indonesia 2025
Edisi	-
Subjek	Big data analytics Customer Retention Customer churn After sales service Predictive analytics Light gradient boosting machine
ISBN/ISSN	-
Klasifikasi	NONE
Deskripsi Fisik	xi, 90 p. : il. ; 30 cm.
Info Detail Spesifik	Tesis
Other Version/Related	Tidak tersedia versi lain
Lampiran Berkas	Tidak Ada Data