Perpustakaan Digital ITB

Persaingan pada industri kebugaran menuntut perusahaan untuk mempertahankan pelanggan dan mengidentifikasi pelanggan yang berpotensi berhenti menggunakan layanan. PT X sebagai penyedia layanan Pilates belum memiliki pendekatan analitik yang dapat mengidentifikasi customer churn secara sistematis berdasarkan riwayat transaksi dan aktivitas pelanggan. Penelitian ini bertujuan mengembangkan model prediksi customer churn menggunakan metode data mining serta merancang prototype sebagai alat pendukung pengambilan keputusan dalam pengelolaan pelanggan. Penelitian menggunakan kerangka CRISP-DM dengan data transaksi pelanggan dari cabang Lengkong dan Soekarno Hatta. Data dipersiapkan melalui proses normalisasi, penggabungan, pembersihan, transformasi, dan pembentukan fitur pelanggan. Definisi churn ditentukan berdasarkan analisis positive gap, dengan persentil ke-80 menghasilkan threshold ketidakaktifan sebesar 73 hari. Selanjutnya, tiga algoritma klasifikasi dibandingkan, yaitu Logistic Regression, Decision Tree, dan Random Forest. Proses hyperparameter tuning dan feature selection dilakukan untuk memperoleh model dengan performa dan jumlah fitur yang sesuai. Hasil seleksi menghasilkan 12 fitur yang digunakan pada model final. Hasil penelitian menunjukkan bahwa Decision Tree dengan 12 fitur merupakan model final yang digunakan untuk prediksi customer churn. Pada data pengujian, model menghasilkan accuracy sebesar 92,55%, precision 88,75%, recall 99,31%, dan F1-score 93,73%. Nilai recall yang tinggi menunjukkan kemampuan model dalam mengidentifikasi sebagian besar pelanggan yang mengalami churn. Model kemudian diimplementasikan dalam prototype berbasis Python dan Streamlit untuk menghasilkan prediksi serta pengelompokan risiko pelanggan. Dengan demikian, penelitian ini menghasilkan model dan prototype yang dapat digunakan sebagai alat pendukung bagi PT X dalam mengidentifikasi dan memprioritaskan pelanggan yang berpotensi churn, sehingga aktivitas customer relationship management dapat dilakukan secara lebih terarah.