PREDIKSI DAN INTERPRETASI TINGKAT CHURN PELANGGAN DI PT. BPR MAGGA JAYA UTAMA MENGGUNAKAN EXTREME GRADIENT BOOSTING DAN SHAP UNTUK MENDUKUNG PENGAMBILAN KEPUTUSAN

Markus, Phiong (2025) PREDIKSI DAN INTERPRETASI TINGKAT CHURN PELANGGAN DI PT. BPR MAGGA JAYA UTAMA MENGGUNAKAN EXTREME GRADIENT BOOSTING DAN SHAP UNTUK MENDUKUNG PENGAMBILAN KEPUTUSAN. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (2MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (771kB) \| Request a copy
	Text BAB V.pdf - Published Version Download (493kB)

Official URL: http://repositori.buddhidharma.ac.id

Abstract

Customer churn adalah penurunan persentase pelanggan dalam suatu industri yang terjadi dalam jangka waktu tertentu dan dapat memengaruhi pertumbuhan bisnis. Dalam industri perbankan, inovasi pada pelayanan, fasilitas, dan kepuasan nasabah menjadi kunci untuk mempertahankan loyalitas di tengah persaingan yang ketat. Salah satu permasalahan utama adalah berhentinya nasabah menggunakan layanan bank (churn). Penelitian ini bertujuan membangun sistem prediksi churn menggunakan algoritma Extreme Gradient Boosting (XGBoost) dan menginterpretasikan hasil prediksi dengan metode Shapley Additive Explanations (SHAP) guna mendukung pengambilan keputusan strategis di PT. BPR Magga Jaya Utama. Data penelitian terdiri dari 54.213 sampel nasabah dengan 13 atribut utama, diproses melalui tahapan pra-pemrosesan, penyeimbangan data menggunakan SMOTE, pelatihan model, dan evaluasi. Hasil penelitian menunjukkan bahwa model XGBoost mencapai akurasi 88%, dengan nilai precision 0,88, recall 0,88, dan f1-score 0,88. Interpretasi menggunakan SHAP berhasil mengidentifikasi kontribusi setiap fitur secara transparan terhadap prediksi churn. Sistem prediksi ini diimplementasikan pada platform berbasis web, memudahkan manajemen dalam melakukan analisis dan intervensi tepat sasaran. Dengan sistem ini, PT. BPR Magga Jaya Utama berpotensi meningkatkan retensi nasabah dan mengurangi tingkat churn secara signifikan.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Churn, Machine Learning, Perbankan, SHAP, XGBoost
Subjects:	600 Teknologi dan Ilmu Terapan (Bisnis) > 650.0285 Pengolahan dan Analisa Data di Bidang Bisnis
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	05 Mar 2026 11:09
Last Modified:	05 Mar 2026 11:09
URI:	https://repositori.buddhidharma.ac.id//id/eprint/3073

Actions (login required)

View Item