PREDIKSI CHURN DAN STRATEGI RETENSI PADA KASUS PERUSAHAAN TELEKOMUNIKASI

Saputra, Faisal Dhio (2021) PREDIKSI CHURN DAN STRATEGI RETENSI PADA KASUS PERUSAHAAN TELEKOMUNIKASI. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
Tesis+Pengeseahan+cover.pdf - Accepted Version

Download (3MB) | Preview

Abstract

Perusahaan telekomunikasi semakin banyak di Indonesia berbanding lurus dengan perkembangan pengguna layanan internet dan telekomunikasi di Indonesia. Banyak perusahaan telekomunikasi di Indonesia membuat pelanggan yang telah berlangganan melakukan Churn. Churn adalah pemutusan layanan jasa telekomunikasi oleh pelanggan atau perusahaan. Perusahaan lebih memutuskan mempertahankan pelanggan, karena dibutuhkan biaya lebih sedikit daripada mencari pelanggan baru. Namun, kebijakan mengurangi Churn masih belum efektif karena masih menemukan berbagai kendala.. Tujuan dari penelitian ini adalah membuat model prediksi pelanggan Churn yang akurat dan mengambil keputusan strategi mengurangi Churn yang efektif. Penelitian ini menggunakan metode model prediksi yang terdiri dari Regresi Logistik dengan diberikan penalti LASSO, SCAD, Elastic net, dan Elastic SCAD. Kemudian metode model lainnya Support Vector Machine dengan diberikan penalti SCAD dan Elastic net. Metode Regresi Logistik dengan metode penalti LASSO menunjukkan hasil yang terbaik dengan nilai AUC tertinggi senilai 0.8324 dan akurasi tertinggi senilai 84.18%. Variabel�variabel yang secara signifikan mempengaruhi pelanggan melakukan Churn yaitu Divisi, Kategori, Lama Pemakaian, Status Telepon, Status TV, Teknologi, Speed, Bill, Kelas Pelanggan dan Paket Pelanggan . Hasil model tersebut dilakukan analisis dengan menggabungkan analisis bauran pemasaran. Hasil analisis tersebut menghasilkan strategi pengurangan pelanggan Churn berupa paket penawaran yang tepat sasaran dan sesuai kebutuhan pelanggan.

Item Type: Thesis (Masters)
Subjects: H Social Sciences > HA Statistics > HA31.3 Regression. Correlation
H Social Sciences > HA Statistics > HA31.7 Estimation
H Social Sciences > HD Industries. Land use. Labor > HD30.23 Decision making. Business requirements analysis.
H Social Sciences > HD Industries. Land use. Labor > HD31 Management--Evaluation
Divisions: Faculty of Business and Management Technology > Management Technology > 61101-(S2) Master Thesis
Depositing User: FAISAL DHIO SAPUTRA
Date Deposited: 01 Mar 2021 06:42
Last Modified: 01 Mar 2021 06:42
URI: https://repository.its.ac.id/id/eprint/83058

Actions (login required)

View Item View Item