<![CDATA[Software-as-a-Service (SaaS) mengalami peningkatan minat dan pengguna, salah satunya dari industri makanan dan minuman. Tingginya penggunaan dan permintaan SaaS tentu mendorong persaingan ketat sehingga perlu bersaing mempertahankan pengguna aplikasi, salah satunya dengan mengetahui faktor yang dapat menyebabkan seorang pelanggan berhenti menggunakan (churn). Dengan mengetahui faktor tersebut, perusahaan juga dapat memprediksi pelanggan rawan churn sehingga dapat dicegah dengan memanfaatkan machine learning. Oleh karena itu, dilakukan penelitian untuk mengidentifikasi faktor yang memengaruhi keputusan churn di PT XYZ sehingga dapat disusun strategi pencegahan. Algoritma yang akan digunakan adalah Random Forest dan XGBoost. Terdapat class imbalance pada data yang digunakan, sehingga akan diterapkan SMOTE. Variabel penelitian adalah jenis usaha, jumlah outlet, jumlah penggunaan produk, jumlah tiket, rata-rata tiket bulanan, dan kategori kendala yang dilaporkan klien. Hasil penelitian menunjukkan bahwa model klasifikasi XGBoost setelah SMOTE memiliki nilai performa terbaik di antara model lainnya, dengan nilai akurasi 0,71, presisi 0,27, recall 0,86, F1-score 0,41, dan AUC 0,596. Feature importance tertinggi adalah seringnya laporan kendala dari klien terutama terkait produk ERP dan POS, kendala penarikan laporan, jenis usaha, dan rata-rata tiket bulanan. Strategi selanjutnya, perusahan dapat memprioritaskan evaluasi kualitas produk serta pelayanan perusahaan, seperti pengenalan dan training penggunaan produk.]]>
Copyrights © 2024
