Customer Churn Analysis pada Flash Coffee App Wilayah Singapura Menggunakan Logistic Regression, dan K-Means

Christilia, Grace Virna (2022) Customer Churn Analysis pada Flash Coffee App Wilayah Singapura Menggunakan Logistic Regression, dan K-Means. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (210kB) | Preview
Preview	PDF BAB_I.pdf Download (395kB) | Preview
Preview	PDF BAB_II.pdf Download (717kB) | Preview
Preview	PDF BAB_III.pdf Download (729kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
Preview	PDF BAB_V.pdf Download (253kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (323kB)

Abstract

Flash Coffee adalah jaringan outlet kopi berkonsep teknologi yang menawarkan pengalaman menikmati kopi yang berbeda. Flash Coffee menawarkan kopi premium dengan harga yang terjangkau. Dari segi bisnis, tentunya Flash Coffee ingin terus berkembang dan meningkatkan jumlah penjualan seiring dengan berjalannya waktu. Maka dari itu terdapat beberapa aspek yang harus dipenuhi dalam rangka mewujudkan hal tersebut. Salah satunya adalah dengan meningkatkan kepuasan pelanggan sehingga pelanggan akan terus membeli produk dan menjadi pelanggan setia Flash Coffee. Tingkat kepuasan pelanggan dapat dioptimalkan melalui Customer Relationship Management. Dalam mewujudkan strategi yang tepat dan efisien untuk meningkatkan loyalitas pelanggan serta mengurangi hilangnya pelanggan, teknologi analisis prediksi menjadi kunci untuk masalah tersebut. Pada penelitian ini akan mengidentifikasi faktor-faktor yang mempengaruhi adanya churn pada customer dari segi aplikasi dan mencari pola tertentu yang dapat melakukan klasifikasi customer churn dikemudian hari dengan menggunakan algoritma Random Forest dan Logistic Regression. Dalam analisis prediksi akan menggunakan data customer yang telah melakukan registrasi melalui aplikasi dan berwilayah di Singapura, data tersebut akan diolah dan diproses untuk pembuatan model machine learning menggunakan algoritma clustering yaitu K- Means. Pola yang terbentuk dari data yang ada akan menjadi acuan dalam membentuk strategi baru yang dapat mencegah dan mengurangi adanya churn dari segi aplikasi.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Churn, Analisis Prediksi, K-Means, Random Forest, Logistic Regression, Customer Relationship Management, RFM
Subjects:	600 Technology (Applied Sciences) > 640 Home and Family Management > 641 Food and Drink 600 Technology (Applied Sciences) > 650 Management and Public Relations > 658 General management (Risk Management, Profit and Loss, Logistics) > 658.8 Mall, Shopping Center, E-Commerce > 658.8342 Consumer Behavior
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 07:02
Last Modified:	13 Jul 2023 06:23
URI:	https://kc.umn.ac.id/id/eprint/22480

Actions (login required)

View Item