Penerapan Machine Learning untuk Mempertahankan Loyalitas Pelanggan menggunakan Churn Prediction
Keywords:
Churn Prediction, CRISP-ML, SMOTE, LightGBMAbstract
Penelitian ini membangun model Churn Prediction untuk Bank XYZ menggunakan kerangka kerja CRISP-ML dengan data ±700 ribu nasabah dan transaksi tabungan selama enam bulan. Tantangan utama adalah ketidakseimbangan kelas, di mana hanya 1,70% nasabah berstatus Churn. Untuk mengatasinya, digunakan teknik SMOTE. Empat algoritma ensemble learning diuji, yaitu RandomForest, XGBoost, LightGBM, dan ExtraTrees, dengan hyperparameter tuning menggunakan RandomizedSearchCV dan GridSearchCV. Hasil evaluasi menunjukkan LightGBMClassifier memiliki performa terbaik (F1-Score 0,8623; AUC 0,99). Model diimplementasikan berbasis API yang memungkinkan untuk dapat diintegrasikan dengan sistem lain misalnya CRM, dilengkapi pemantauan performa dan retraining otomatis. Pendekatan ini terbukti efektif untuk mendukung strategi retensi nasabah melalui prediksi Churn yang akurat.
References
Brito, J. B. G., Bucco, G. B., Heldt, R., Becker, J. L., Silveira, C. S., Luce, F. B., & Anzanello, M. J. (2024). A framework to improve churn prediction performance in retail banking. Financial Innovation, 10(1), 17.
Handijono, A. (2022). Memanfaatkan Data Mining danKnowledge Management System Untuk Mengoptimalkan Strategi Pemasaran pada Bank. Jurnal Ilmiah Akuntansi Universitas Pamulang, 5(1), 268517.
Mayasari, S., & Mahadi, T. (2023, April 5). Bank digital tawarkan bunga tinggi hingga 9%, OJK angkat bicara. Https://Keuangan.Kontan.Co.Id/News/Bank-Digital-Tawarkan-Bunga-Tinggi-Hingga-9-Ojk-Angkat-Bicara.
Mqadi, N., Naicker, N., & Adeliyi, T. (2021). A SMOTe based oversampling data-point approach to solving the credit card data imbalance problem in financial fraud detection. International Journal of Computing and Digital Systems, 10(1), 277–286.
Otiso, K. N. (2024). Impact Of Network Quality On Customer Retention; Case Study Of Selected Universities In Kenya, A Customer Relationship Management Approach. African Journal of Emerging Issues, 6(20), 41–50.
Verma, P. (2020). Churn prediction for savings bank customers: A machine learning approach. Journal of Statistics Applications & Probability, 9(3), 535–547.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Ardijan Handijono, Zaldy Suhatman
This work is licensed under a Creative Commons Attribution 4.0 International License.
