Perpustakaan Digital ITB

Dalam industri telekomunikasi yang kompetitif, memahami perilaku pelanggan dan mencegah pelanggan berhenti berlangganan merupakan strategi yang krusial bagi perusahaan. Penelitian ini bertujuan untuk membangun model prediksi pelanggan berhenti berlangganan pada industri telekomunikasi menggunakan algoritma regresi logistik, mengidentifikasi kontribusi setiap fitur terhadap kemungkinan pelanggan berhenti berlangganan, melakukan segmentasi pelanggan yang berhenti berlangganan menggunakan algoritma K-Means, serta merumuskan strategi retensi yang tepat berdasarkan hasil segmentasi tersebut. Model prediksi dikembangkan dengan membandingkan performa antara model tanpa dan dengan penerapan teknik penyeimbangan kelas menggunakan SMOTE (Synthetic Minority Oversampling Technique). Hasil menunjukkan bahwa model dengan SMOTE memberikan performa yang lebih baik dan seimbang dalam memprediksi kedua kelas sehingga model tersebut dipilih untuk analisis lebih lanjut. Analisis regresi logistik dilakukan terhadap nilai koefisien, rasio odds, dan efek perubahan untuk mengukur kontribusi masing-masing fitur terhadap kemungkinan pelanggan berhenti berlangganan. Untuk fitur numerik, analisis difokuskan pada pengaruh kenaikan nilai. Sedangkan untuk fitur kategorikal, fokus analisis adalah pada perpindahan antar kategori. Selanjutnya, proses segmentasi diterapkan secara khusus pada pelanggan yang berhenti berlangganan dengan menggunakan fitur-fitur yang memiliki kontribusi sedang hingga tinggi terhadap risiko berhenti berlangganan. Segmentasi dilakukan menggunakan metode klasterisasi K-Means dan hasilnya mengidentifikasi tiga klaster pelanggan dengan karakteristik yang berbeda. Karakteristik tersebut menjadi dasar dalam perumusan strategi retensi, seperti promosi kontrak jangka panjang, peningkatan kualitas layanan teknis, dan penawaran paket bundel. Penelitian ini memberikan kontribusi dengan menggabungkan pendekatan prediksi dan segmentasi untuk mendukung perusahaan dalam merancang kebijakan retensi yang lebih efektif dan berbasis data.