PERBANDINGAN PERFORMA MODEL PREDIKSI CUSTOMER CHURN BERBASIS MACHINE LEARNING PADA FASHION E-COMMERCE

Dwi, Liliyawati (2023) PERBANDINGAN PERFORMA MODEL PREDIKSI CUSTOMER CHURN BERBASIS MACHINE LEARNING PADA FASHION E-COMMERCE. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - ABSTRACT.pdf Download (13Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (4Mb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA PEMBAHASAN.pdf Download (2607Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Dalam era perkembangan bisnis e-commerce, terutama di industri fashion, persaingan yang semakin ketat antara beragam platform e-commerce menjadi salah satu tantangan utama yang tidak dapat diabaikan. Adanya berbagai macam produk dan layanan pada e-commerce memungkinkan pelanggan secara bebas dapat meninggalkan perusahaan untuk mencari produk atau layanan yang sesuai dengan kebutuhan. Fenomena ini dikenal dengan istilah churn. Berdasarkan permasalahan tersebut, penelitian ini berfokus untuk mengembangkan model yang dapat memprediksi pelanggan yang akan churn pada fashion e-commerce sehingga perusahaan dapat mengambil tindakan proaktif untuk menjaga pelanggan yang ada agar tidak churn. Metode yang digunakan dalam penelitian ini adalah Cross Industry Standard Process for Data Mining (CRISP-DM). Model prediksi ini dibangun dengan pendekatan klasifikasi menggunakan algoritma machine learning yaitu Logistic Regression, Random Forest dan XGBoost. Kategori churn dibagi menjadi dua yaitu churn dan not churn. Hasil penelitian menunjukkan bahwa XGBoost memiliki performa yang paling tinggi di antara ketiga model, dengan akurasi sebesar 97%, precision sebesar 97%, recall sebesar 98%, f1-score sebesar 98% dan nilai AUC mencapai 0.995. Hasil tersebut menjadikan XGBoost sebagai model terbaik dalam memprediksi pelanggan yang churn. Selain itu, penggunaan seleksi fitur dalam membangun ulang model melalui feature importance pada XGBoost berhasil mempercepat waktu komputasi dari 2.471 detik menjadi 0.584 detik dan menghasilkan performa kinerja model yang sama seperti menggunakan seluruh fitur. Hal tersebut membuktikan bahwa penggunaan seleksi fitur melalui feature importance dapat mengoptimalkan kinerja model sehingga lebih efisien dari segi waktu komputasi dan tetap efektif. Penelitian ini juga menghasilkan visualisasi dan rekomendasi untuk mengurangi customer churn.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Informatika
Pengguna Deposit:	2308613807 . Digilib
Date Deposited:	16 Oct 2023 01:48
Terakhir diubah:	16 Oct 2023 01:48
URI:	http://digilib.unila.ac.id/id/eprint/76438

Actions (login required)

Lihat Karya Akhir