Analisis Prediksi Pelanggan Berbasis Deep Learning pada Sistem Electronic Customer Relationship Management untuk Meningkatkan Penjualan

Abstract

Perkembangan teknologi digital mendorong perusahaan untuk memanfaatkan data pelanggan dalam mendukung strategi retensi dan peningkatan penjualan. Penelitian ini bertujuan mengembangkan model prediksi customer churn berbasis deep learning yang diintegrasikan ke dalam sistem Electronic Customer Relationship Management (E-CRM). Metode penelitian menggunakan pendekatan kuantitatif eksperimental dengan model Artificial Neural Network (ANN) dan Long Short-Term Memory (LSTM), serta Logistic Regression sebagai metode baseline. Hasil penelitian menunjukkan bahwa LSTM memperoleh performa terbaik dengan akurasi 88,36% dan ROC-AUC 0,90. Model tersebut mampu mengidentifikasi pelanggan berdasarkan tingkat risiko churn dan mendukung pemberian rekomendasi strategi retensi. Integrasi model ke dalam sistem E-CRM berpotensi membantu perusahaan mempertahankan pelanggan dan meningkatkan penjualan melalui pengambilan keputusan berbasis data yang lebih tepat sasaran.