Penerapan SMOTE pada Metode CHAID untuk Mengklasifikasi Tingkat Loyalitas Pelanggan

Abstract

Pelanggan adalah unsur yang paling potensial dalam memaksimalkan keuntungan perusahaan. Pelanggan loyal memiliki kontribusi yang jauh lebih besar dalam keuntungan perusahaan dibandingkan dengan pelanggan baru. Program retensi yang sesuai dengan kebutuhan pelanggan akan meningkatkan kuantitas pelanggan loyal di suatu perusahaan. Pengklasifikasian pelanggan akan membantu perusahaan dalam menentukan program retensi pelanggan. Perusahaan XYZ adalah salah satu perusahaan berbasis e-commerce yang menerapkan proses registrasi keanggotaan pada pelanggannya. Decision tree khususnya Chi-Square Automatic Interaction Detection (CHAID) adalah metode pengklasifikasian untuk data kategorik . Data dalam penelitian ini berasal dari PT. Cakra Radha Mustika dan terdiri dari 69731 transaksi dari 18098 pelanggan yang di dalamnya terdiri atas 17 peubah kategorik. Terdapat perbedaan banyaknya pelanggan yang tergolong pada kategori churn dan not churn. Oleh karena itu, dalam penelitian ini juga dilakukan penanganan untuk data tidak seimbang. Metode yang digunakan untuk penanganan data tidak seimbang menggunakan kombinasi metode Synthetic Minority Oversampling Technique (SMOTE) dan undersampling. Model terbaik dalam penelitian ini adalah model hasil penerapan SMOTE dan undersampling dengan akurasi sebesar 87.92%. Terdapat 11 peubah yang mempengaruhi pelanggan pada tingkat loyalitasnya, dan 3 peubah yang paling berpengaruh adalah peubah rata-rata banyaknya jenis produk, produk susu anak serta produk susu bayi & balita.