Text

STRATEGI CUSTOMER RETENTION MELALUI PREDIKSI CHURN PELANGGAN LAYANAN PURNA JUAL KENDARAAN RODA EMPAT MENGGUNAKAN BIG DATA ANALYTICS

---

Industri otomotif menghadapi tantangan dalam mempertahankan pelanggan layanan purna jual, di mana tingkat churn pelanggan dapat berdampak pada profitabilitas perusahaan. Penelitian ini bertujuan untuk memprediksi churn pelanggan pada layanan purna jual kendaraan roda empat menggunakan big data analytics serta mengembangkan strategi customer retention yang efektif. Data yang digunakan merupakan data kendaraan yang melakukan perbaikan di workshop Dealer resmi Brand X pada tahun 2018 hingga 2024. Algoritma yang digunakan untuk memprediksi churn pelanggan yaitu Decision Tree, Random Forest, Extreme Gradient Boosting (XGBoost), Light Gradient Boosting Machine (LightGBM), dan Generalized Boosted Regression Model (GBM). Hasil penelitian ditemukan bahwa 27,3% pelanggan Brand X mengalami churn, dengan pelanggan model SUV lebih loyal terhadap layanan purna jual resmi dibandingkan dengan pelanggan model Small MPV. Algoritma XGBoost memberikan akurasi terbaik dengan akurasi 83,411% pada test size sebesar 20%, diikuti oleh algoritma lainnya yang juga memberikan hasil yang cukup baik, yakni di atas 80%. Variabel paling signifikan dalam prediksi churn adalah total service dan status garansi, sehingga frekuensi pelanggan melakukan perbaikan serta status garansi merupakan faktor utama dalam menentukan churn pelanggan. Strategi retensi yang diusulkan antara lain, pertama, penguatan sistem layanan dan CRM, serta peningkatan kompetensi sumber daya manusia. Kedua, program seperti loyalty discount, bundled service package, dan point-based reward system. Ketiga, pengoptimalan sistem pengingat servis berkala, diversifikasi saluran komunikasi, serta pemanfaatan teknologi digital seperti IoT akan memperkuat loyalitas pelanggan dan menjaga daya saing Brand X di era elektrifikasi. Strategi tersebut diharapkan mampu memperkuat loyalitas pelanggan dan mendukung keberlanjutan bisnis Brand X.

---

Availability

30007726

7726

RLC MM (Rak Tesis)

Available

Detail Information

Series Title

-

Statement of Responsibility

Bella Puspa Dewani

Call Number

7726

Publisher

Salemba, Jakarta : Magister Manajemen FEB UI., 2025

Collation

xi, 90 p. : ill. ; 30 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

650

Content Type

-

Edition

-

Subject(s)

Tesis
Big Data
Manajemen Pemasaran
Customer Retention
After Sales Service
Customer Churn
Big Data Analytics
Predictive Analytics
Light Gradient Boosting Machine

Specific Detail Info

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment