SKRIPSI DIGITAL
Optimalisasi Performa Model Klasifikasi Untuk Prediksi Retensi Pelanggan = Optimization Of Classification Model Performance For Customer Retention Prediction
Retensi pelanggan merupakan faktor krusial bagi keberlanjutan operasional Klinik Perawatan Ibu dan Bayi. Saat ini, sistem identifikasi loyalitas masih dilakukan secara manual dan belum dilengkapi dengan segmentasi risiko, sehingga alokasi anggaran pemasaran menjadi tidak efisien. Tantangan utama dalam memprediksi status pelanggan menggunakan data historis adalah ketidakseimbangan kelas yang ekstrem, di mana jumlah pelanggan yang berhenti berlangganan jauh lebih tinggi. Penelitian ini mengusulkan model klasifikasi yang dioptimalkan untuk memprediksi retensi pelanggan guna meminimalkan kesalahan prediksi yang merugikan. Dengan menggunakan 166 titik data historis mengenai profil kunjungan pertama pasien, penelitian ini membandingkan lima algoritma pembelajaran mesin: Logistic Regression, Naive Bayes, Support Vector Machine, Random Forest, dan Extreme Gradient Boosting. Untuk mengatasi ketidakseimbangan kelas, teknik Random Undersampling diterapkan pada data pelatihan. Selanjutnya, model terbaik dioptimalkan menggunakan metode pergeseran ambang batas untuk memaksimalkan sensitivitas deteksi kelas minoritas. Hasil pengujian menunjukkan bahwa Logistic Regression adalah model yang paling stabil. Setelah mengubah ambang batas menjadi 0,35, model tersebut berhasil mencapai nilai Recall sebesar 0,900, Akurasi sebesar 0,548, Presisi sebesar 0,333, F1-Score sebesar 0,486, dan Koefisien Korelasi Matthews sebesar 0,300. Pendekatan ini terbukti efektif dalam mengurangi tingkat pelanggan potensial yang terlewatkan. Hasil pemodelan tersebut kemudian berhasil diimplementasikan ke dalam sistem berbasis web menggunakan metode Waterfall sebagai alat bantu dalam pengambilan keputusan manajerial.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah