Prediksi Time-to-Churn Pelanggan Pada Perusahaan Aplikasi X Sektor E-Grocery Menggunakan Pendekatan Analisis Survival dan Machine Learning

Aida, Fitria Nur (2024) Prediksi Time-to-Churn Pelanggan Pada Perusahaan Aplikasi X Sektor E-Grocery Menggunakan Pendekatan Analisis Survival dan Machine Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032221080-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (7MB) | Request a copy

Abstract

Bisnis di sektor e-grocery terlibat dalam persaingan tajam untuk bertahan dengan cara mendapatkan pelanggan baru namun tetap menjaga agar pelanggan saat ini tidak membelot. Dalam konteks orientasi bisnis, mencegah pelanggan berhenti bertransaksi (customer churned) lebih berharga untuk perusahaan mencapai keberhasilan dan memaksimalkan keuntungan dengan cara meyakinkan pelanggan agar tetap tinggal, loyal, dan melakukan transaksi berkelanjutan melalui berbagai program retensi pelanggan. Pada kasus churn pelanggan di perusahaan e-grocery ini, pelanggan dikatakan churn apabila pelanggan berhenti berbelanja lebih dari batas waktu tertentu sejak transaksi terakhirnya. Prediksi label atau risiko churn pelanggan kurang bekerja dengan baik karena adanya intervensi faktor pelanggan yang tidak dapat dikontrol oleh perusahaan dan subjektivitas keputusan pelanggan, selain itu juga usaha tersebut kurang efektif dan efisien karena perusahaan sering kali terlambat dalam melakukan tindakan perbaikan atau pencegahan. Pendekatan proaktif yang memungkinkan untuk dilakukan yaitu memprediksi time-to-churn pelanggan sehingga perusahaan memiliki kesempatan lebih awal untuk mempersiapkan strategi retensi di waktu yang tepat. Pada penelitian ini, akan dilakukan analisis prediksi time-to-churn pelanggan pada kasus perusahaan e-grocery menggunakan pendekatan analisis survival dan machine learning yaitu regresi Cox proportional hazard dan survival support vector machine (survival SVM). Regresi Cox proportional hazard digunakan juga bertujuan untuk mengidentifikasi faktor-faktor yang diduga berpengaruh signifikan terhadap time-to-churn pelanggan. Regresi extended Cox time-dependent yang menggunakan interaksi variabel prediktor dengan fungsi waktu ln(T) dan heavyside pada variabel last transaction days (X1), total order (X2), jumlah bulan aktif (X4), order cycle days (X6), time to first transaction (X11), uploaded KTP status (X12), gudang pengiriman (X20), tipe pelanggan (X22) adalah metode dan model terbaik.
=============================================================================================================================
E-grocery businesses operate in a fiercely competitive environment, constantly striving to acquire new customers while retaining existing ones. Preventing customer churn is of paramount importance for sustained success, maximizing profits, and fostering customer loyalty through various retention programs. In the context of customer churn in the E-grocery industry, churn is defined as customers ceasing transactions for a specified period since their last purchase. Churn prediction labels often fall short due to uncontrollable customer intervention factors and the subjective nature of customer decisions and prove less effective and efficient as companies frequently find themselves delayed in implementing corrective or preventative actions. A proactive approach involves predicting the customer time-to-churn providing companies an early opportunity to strategize retention efforts. This research employs survival analysis and machine learning approaches, specifically Cox proportional hazard regression and survival support vector machine (survival SVM), to predict the customer time-to-churn. The Extended Cox Regression, an extension of the Cox proportional hazard method, incorporating predictor variables with ln(T) and Heavyside time function on last transaction days, total orders, active months, order cycle days, time to first transaction, uploaded KTP status, delivery warehouse, and customer type variables, emerges as the best method and model.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Churn Pelanggan, E-Grocery, Regresi Extended Cox, Regresi Cox Proportional Hazard, Survival Support Vector Machine, Time-to-churn.
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry)
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	FITRIA NUR AIDA
Date Deposited:	09 Feb 2024 13:20
Last Modified:	09 Feb 2024 13:20
URI:	http://repository.its.ac.id/id/eprint/106541

Actions (login required)

View Item