ANALISIS SURVIVAL PADA CHURN PELANGGAN PROVIDER SELULER XL AXIATA BERBASIS APLIKASI WEB

(1)

ANALISIS SURVIVAL PADA CHURN

PELANGGAN PROVIDER SELULER XL

AXIATA BERBASIS APLIKASI WEB

Sherly Cristian M, Margaretha Ohyver,

Nilo Legowo

Universitas Bina Nusantara, Jalan KH. Syahdan No. 9 Palmerah, Jakarta 11480, Indonesia +6281806093339

[email protected]

ABSTRACT

This study aims to determine customer churn modeling XL Axiata, to determine

gender, employment status, age, price, quality of service, products and switching

barrier affecting customer churn XL Axiata and designing web applications based

modeling churn. Analysis of data using survival analysis with Cox PH method.

Results achieved that gender, employment status, age, price, quality of service, and a

switching barrier effect on churn. Results are incorporated into the design of web

applications with the waterfall method to help the customer churn analysis XL Axiata.

Keywords: churn, survival analysis, Cox PH, waterfall

ABSTRAK

Penelitian ini bertujuan untuk mengetahui pemodelan churn pelanggan XL Axiata, untuk mengetahui faktor gender, status kerja, umur, harga, kualitas layanan, produk dan switching barrier yang mempengaruhi churn pelanggan XL Axiata dan merancang aplikasi web berdasarkan pemodelan churn. Analisis data menggunakan analisis survival dengan metode Cox PH. Hasil yang dicapai bahwa gender, status kerja, umur, harga, kualitas layanan, dan switching barrier berpengaruh terhadap churn. Hasil tersebut dimasukkan ke dalam rancangan aplikasi web dengan metode waterfall untuk membantu analisis churn pelanggan XL Axiata.

(2)

1. PENDAHULUAN

Telekomunikasi merupakan sarana yang tidak dapat ditinggalkan oleh pelanggan karena menyediakan kemudahan berkomunikasi dan keefisiensian waktu serta tempat. Pelanggan dapat berkomunikasi dengan pelanggan lain pada tempat yang berlainan tetapi pada waktu yang bersamaan. Hal tersebut sangat menunjang mobilisasi pelanggan untuk memenuhi tujuan aktivitasnya. Telekomunikasi sangat penting karena menyediakan berbagai layanan sistem elektronik untuk mengirimkan pesan melalui perangkat telekomunikasi (Rashid, 2009:88). Salah satu jenis perangkat yang paling banyak digunakan oleh pelanggan yaitu telepon selular. Suatu telepon selular tidak dapat beroperasi dengan baik untuk berkomunikasi jika tidak diberi layanan provider selular. Layanan provider selular inilah sebagai sarana komunikasi pelanggan melalui pesan singkat, telepon, chatting dan sebagainya.

Pelanggan bebas memilih provider selular sesuai dengan kebutuhannya. Jika pelanggan merasa provider selular yang digunakan tidak sesuai dengan kebutuhannya, maka pelanggan bebas untuk berpindah ke provider lainnya. Perilaku pelanggan ini yang memotivasi para provider selular saling berkompetisi untuk meningkatkan kualitasnya ke tingkat yang terbaik, sehingga pelanggan tetap loyal memakai produknya. Salah satu tantangan yang dihadapi provider selular adalah usaha menurunkan jumlah pelanggan yang berpindah layanan ke provider kompetitor (Govindaraju, Simatupang & Samadhi, 2008:33). Istilah perilaku pelanggan yang berpindah dari layanan provider selular ke provider selular lainnya disebut churn. Churn merupakan suatu kejadian yang dapat berdampak bagi perusahaan, baik dari sisi kerugian profit perusahaan dan juga loyalitas pelanggan yang menurun. Oleh karena itu, manajemen churn pelanggan menjadi senjata yang penting dalam berkompetisi karena tidak hanya akan memperbaiki tingkat churn, tetapi juga dapat meningkatkan loyalitas pelanggan, yang pada akhirnya akan meningkatkan pendapatan dari perusahaan provider selular.

Terdapat tiga industri provider selular terbesar yang menguasai market share di Indonesia, yaitu Telkomsel, Indosat dan XL Axiata yang ketiganya menguasai lebih dari 80% market share pada tahun 2014. Market share Telkomsel sebesar 47%, XL Axiata sebesar 24%, Indosat sebesar 21% dan sisanya diduduki oleh provider selular lainnya. Sebagai perusahaan provider selular kedua terbesar yang memimpin market share 24% di Indonesia, XL Axiata harus menyadari pentingnya untuk mengatasi masalah churn. XL Axiata mengalami penurunan pelanggan sebesar 609.000 pelanggan dari 46,359 juta pada tahun 2011 menjadi 45,75 juta pada tahun 2012 (sumber: Annual Report XL Axiata 2012). Pada tahun 2014, XL Axiata kembali mengalami penurunan pelanggan dari 62,9 juta pada kuartal 1 menjadi 58,3 juta pelanggan pada kuartal 3. Dapat dikatakan, XL Axiata mengalami

churn pelanggan sebesar 4,6 juta pada tahun 2014 (sumber: id.techinasia.com).

Menurut Presiden Director & CEO XL Axiata Hasnul Suhaimi, Indonesia memiliki tingkat

churn cukup tinggi setiap bulan yakni di angka 20%, sedangkan di luar negeri tingkat churn tertinggi

hanya 18% setiap tahun. Sebanyak 50 juta SIM Card yang terbuang setiap tahunnya. Hal tersebut menimbulkan kerugian provider sekitar Rp 3 triliun setiap tahun atau Rp 250 miliar per bulan (sumber: inet.detik.com).

Besarnya angka churn tersebut mengindikasikan bahwa masih ada peluang terbuka bagi XL Axiata untuk berusaha mempertahankan market share dengan melakukan tindakan preventif dari pelanggan aktif menjadi churn. Salah satu usaha preventif yang dapat mendukung pentingnya dalam mengurangi jumlah churn pelanggan adalah dengan mengetahui faktor-faktor penyebab churn yang dapat mempengaruhi churn pelanggan provider selular XL Axiata. Dengan mengindentifikasi pelanggan berkarakteristik tertentu yang dapat berpeluang akan melakukan churn, perusahaan provider selular khususnya XL Axiata, dapat memahami pola perilaku pelanggan serta memperbaiki kualitas layanan, sehingga pelanggan tetap bertahan memakai XL Axiata.

Pada penelitian ini menggunakan variabel-variabel prediktor yang disebut sebagai faktor-faktor penyebab churn pelanggan XL Axiata. Faktor-faktor-faktor penyebab churn tersebut adalah harga, kualitas layanan, produk dan switching barrier. Faktor demografi pelanggan seperti gender, status kerja dan umur juga diikutsertakan untuk variabel prediktor dalam penelitian ini. Variabel respon yang digunakan adalah churn pelanggan XL Axiata berupa data survival atau waktu, maka analisis data yang digunakan adalah analisis survival. Selain itu, pada penelitian ini menggunakan R Programming untuk membantu perhitungan analisis survival dan juga mengikutsertakan penggunaan komputerisasi berbasis aplikasi web, sehingga dapat membantu pengguna aplikasi dalam menganalisis churn pelanggan provider selular XL Axiata. Aplikasi ini diharapkan dapat membantu pengguna dalam bidang terkait dengan menggunakan analisis survival.

(3)

2. METODOLOGI PENELITIAN

Metode penelitian dalam penelitian ini dibagi menjadi 2 yaitu: 1. Metode analisis data

Metode analisis data yang digunakan yaitu: a. Pemilihan sampel

Sampel yang diambil dalam penelitian ini menggunakan non-probability sampling. Tipe dari non-probability sampling yang digunakan adalah purposive sampling. Purposive

sampling dimana peneliti melakukan penilaian untuk memilih anggota populasi yang dinilai

paling tepat sebagai sumber informasi yang akurat (Malhotra, 2004:373), dimana sampelnya berkriteria sebagai pelanggan provider selular XL Axiata.

Penentuan ukuran sampel dalam penelitian ini dilakukan dengan menggunakan rumus Slovin sebagai berikut (Umar (2002) dalam Juliandi, Irfan & Manurung, 2014:59):

Dimana:

n = Ukuran sampel

N = Ukuran populasi

e = Persen kesalahan yang ditolerir

Populasi (N) dalam penelitian ini sebesar 18,4 juta pelanggan provider selular XL Axiata di Jabodetabek dan menggunakan taraf kesalahan sebesar 0.1 (10%). Sehingga, besarnya jumlah sampel (n) adalah sebagai berikut:

Dilakukan pembulatan keatas sehingga total sampel dalam penelitian ini sebanyak 100 orang pelanggan provider XL Axiata yang berada di wilayah Jabodetabek.

b. Sumber data a. Data primer

Data primer adalah data yang langsung diperoleh dari sumbernya. Data ini digunakan oleh peneliti sesuai dengan kebutuhan untuk menunjang penelitian. Data primer didapatkan melalui metode survei.

Metode survei memerlukan adanya kontak atau hubungan antara peneliti dengan responden penelitian untuk memperoleh data yang diperlukan. Teknik yang digunakan dalam metode survei ini dengan menggunakan kuisioner yang distribusikan secara langsung bertemu dengan responden dan pengisian melalui online. Pertanyaan-pertanyaan dalam kuisioner diukur menggunakan skala pengukuran rating yaitu Likert.

b. Data sekunder

Data sekunder merupakan data yang sudah dipublikasikan dan sudah diolah oleh

orang lain, sehingga pemakai dapat langsung memanfaatkan sesuai dengan kebutuhan dalam penelitan. Dalam penelitian ini, peneliti menggunakan buku-buku referensi, literatur-literatur, bahan kuliah dan kepustakaan lain yang berhubungan dengan objek penelitian. c. Analisis survival

Analisis survival adalah prosedur statistik untuk analisis data yang variabel

responnya berupa waktu hingga suatu kejadian terjadi. Analisis survival merupakan istilah untuk mendeskripsikan analisis data dari time origin hingga suatu kejadian terjadi atau end-point.

Pada penelitian ini, metode analisis survival yang digunakan adalah metode Cox

Proportional Hazard (Cox PH). Model Cox Proportional Hazard (Cox PH) adalah pemodelan matematika yang digunakan untuk menganalisis data survival. Pada model Cox PH, walaupun baseline hazard-nya bukan fungsi tertentu seperti dalam model parametrik yang bentuk fungsionalnya sudah diketahui, Cox PH mampu mengestimasi koefisien regresi, hazard ratio dan kurva survival. Dapat dikatakan, Cox PH merupakan model yang robust karena hasil dari

(4)

model Cox PH mendekati aproksimasi hasil dari model parametrik (Kleinbaum & Klein, 2012:100-101). Pada penelitian ini Cox PH digunakan untuk menentukan model churn pelanggan provider seluler XL Axiata dan faktor-faktor yang berpengaruh terhadap churn pelanggan provider seluler XL Axiata.

2. Metode pengembangan aplikasi churn pelanggan XL Axiata

Metode pengembangan aplikasi berbasis web yang digunakan untuk membangun aplikasi ini adalah model waterfall. Tahap-tahap pada model waterfall adalah sebagai berikut (Sommerville, 2011:30-31):

1. Analisis kebutuhan dan pendefinisian

Merupakan tahapan penetapan fitur, kendala, dan tujuan dari suatu perangkat lunak melalui konsultasi dengan pengguna perangkat lunak. Dalam tahapan ini, semua informasi dari pengguna akan dijelaskan secara detail dan berfungsi sebagai spesifikasi suatu perangkat lunak.

2. Sistem dan desain perangkat lunak

Merupakan tahapan pembentukan suatu arsitektur sistem berdasarkan ketentuan yang telah ditetapkan. Selain itu, dalam tahap ini dilakukan identifikasi dan penggambaran abstraksi dasar suatu sistem perangkat lunak yang terintegritas.

3. Implementasi dan tes unit

Merupakan tahapan penentuan hasil dari desain perangkat lunak yang akan direalisasikan sebagai suatu kumpulan program atau unit program. Dalam tahapan ini, dilakukan pula pengujian spesifikasi setiap unit program.

4. Integrasi dan tes sistem

Merupakan tahapan pengujian pengintegrasian dari masing masing unit program sehingga keseluruhan unit program menjadi suatu unit sistem yang utuh yang saling terintegrasi satu sama lain dan memastikan bahwa sistem yang terbentuk telah memenuhi persyaratan yang telah ditetapkan. Setelah itu, sistem akan dikirim kepada pengguna sistem.

5. Operasi dan maintenance

Merupakan tahapan instalasi suatu sistem dari perangkat lunak. Perangkat lunak tersebut dapat digunakan. Dalam tahapan ini dilakukan pengoreksian error yang tidak ditemukan pada tahap pembuatan. Selain itu, pengembangan sistem seperti penambahan fitur dan fungsi baru dapat dilakukan dalam tahapan ini.

3. LANGKAH-LANGKAH PENELITIAN

Langkah-langkah penelitian pada penelitian ini sebagai berikut:

1. Uji kualitas data, untuk mengetahui validitas dan reliabilitas data yang sudah dikumpulkan melalui kuisioner.

a. Uji validitas

Kuisioner yang disusun dalam pengumpulan data harus dapat mengukur apa yang ingin diukur. Uji validitas tersebut diujikan pada sejumlah responden yang disarankan jumlah respondennya minimal 30 orang. Menurut Miller (2013:185), uji validitas menggunakan index antara 0 hingga 1 untuk mengindikasikan validitas. Index validitas diperoleh menggunakan koeffisien korelasi Pearson product moment. Rumus korelasi Pearson product moment sebagai berikut (Miller 2013:58):

Dimana,

= Koefisien korelasi Pearson product moment

Xi = Skor butir pertanyaan

Yi = Skor total butir pertanyaan dalam variabel

N = Jumlah responden

Dasar pengambilan keputusan dalan uji validitas menggunakan korelasi (Juliandi, Irfan & Manurung, 2014:77):

a. Jika nilai rhitung ≥ rtabel, maka butir pertanyaan dalam kuisioner berkorelasi signifikan terhadap

(5)

b. Jika nilai rhitung < rtabel, maka butir pertanyaan dalam kuisioner tidak berkorelasi signifikan

terhadap skor total atau pertanyaan tidak valid.

Butir pertanyaan yang tidak valid, maka tidak layak dijadikan sebagai pertanyaan dalam

kuisioner. Butir pertanyaan yang tidak valid dikeluarkan dari kuisioner. b. Uji reliabilitas

Reliabilitas digunakan untuk menunjukkan sejauh mana hasil pengukuran relatif konsisten apabila kuisioner tersebut digunakan berulang kali. Pertanyaan-pertanyaan yang dimuat di kuisioner dibuat sedemikian rupa sehingga jika diisi berulang kali oleh responden hasilnya masih relatif konsisten (Umar, 2002:102).

Arikunto (2002) dalam Juliandi, Irfan & Manurung (2014:82) menyatakan bahwa pengujian reliabilitas dapat menggunakan teknik Cronbach Alpha dengan rumus sebagai berikut:

r = (3.2)

Dimana,

r = Koefisien reliabilitas Cronbach Alpha k = Banyaknya butir pertanyaan

= Jumlah varians butir pertanyaan = Varians total

Jika nilai koefisien reliabilitas Cronbach Alpha > 0.6, maka kuisioner memiliki reliabilitas yang baik atau dengan kata lain kuisioner terpercaya (Ghozali (2005) dalam Juliandi, Irfan & Manurung, 2014:139).

2. Menentukan pemodelan churn pelanggan XL Axiata dengan langkah-langkah sebagai berikut: a. Menentukan pemodelan churn menggunakan Cox PH.

Dalam menentukan model Cox PH terbaik, dilakukan eliminasi backward dengan tidak melibatkan variabel-variabel prediktor yang tidak signifikan mempengaruhi churn pelanggan provider XL Axiata pada model Cox PH berikutnya.

Persamaan model Cox PH dapat ditulis sebagai berikut (Kleinbaum & Klein, 2012: 108):

Dimana,

= vektor yang berisi p variabel prediktor

= baseline hazard yang menggambarkan model hazard ketika semua variabel prediktornya bernilai nol

vektor pada parameter regresi

Estimasi parameter yang digunakan menggunakan pendekatan ties Breslow. Pendekatan

Breslow banyak digunakan karena fungsi partial likelihood-nya sederhana daripada metode

lainnya (Breslow, 1974 dalam Liu 2012:156). Dalam setiap kasus kejadian bersama tidak mungkin untuk menentukan urutan kejadian, metode Breslow mengasumsikan bahwa ukuran dari himpunan risiko adalah sama. Fungsi partial likelihood dengan metode ties Breslow sebagai berikut:

b. Menentukan faktor-faktor penyebab churn yang berpengaruh signifikan terhadap churn pelanggan provider selular XL Axiata melalui uji signifikansi parameter model Cox PH menggunakan uji partial likelihood ratio dan uji Wald.

(6)

a. Uji partial likelihood

Uji partial likelihood ratio dinotasikan dengan G berfungsi untuk menguji hipotesis

bahwa satu atau beberapa parameter regresi βj adalah nol. Statistik uji ini mengikuti distribusi

chi-square dengan derajat bebas p. Berikut langkah-langkah uji partial likelihood ratio:

1. Hipotesis:

H0: (tidak ada pengaruh antara variabel prediktor terhadap

variabel respon)

H1: Paling sedikit ada satu βj ≠ 0, j = 1, 2, …, p (paling sedikit ada satu variabel prediktor

yang berpengaruh terhadap variabel respon) 2. Taraf signifikansi: α

3. Statistik uji (Hosmer dan Lemeshow, 2008:77):

Dengan,

a. adalah log partial likelihood dari model tanpa variabel prediktor (model Cox PH

nol).

b. adalah log partial likelihood dari model Cox PH yang terdiri dari p variabel

prediktor. 4. Daerah penolakan:

H0 ditolak jika G ≥ atau p-value ≤ α

5. Kesimpulan:

Jika H0 ditolak maka βj ≠ 0, bahwa minimal ada satu variabel prediktor yang berpengaruh

terhadap waktu survival. b. Uji Wald

Uji Wald digunakan untuk menguji pengaruh parameter secara individu, dinotasikan dengan W. Statistik uji ini mengikuti distribusi chi-square dengan derajat bebas p. Berikut langkah-langkah uji Wald:

1. Hipotesis:

H0: βj = 0 (tidak ada pengaruh antara variabel prediktor j terhadap variabel respon)

H1: βj ≠ 0 (ada pengaruh antara variabel prediktor j terhadap variabel respon)

2. Taraf signifikansi: α

3. Statistik uji (Fa’rifah dan Purhadi, 2012:272):

4. Daerah penolakan:

H0 ditolak jika W ≥ atau p-value ≤ α

5. Kesimpulan:

Jika H0 ditolak maka βj ≠ 0, bahwa variabel prediktor j berpengaruh terhadap variabel

respon.

3. Melakukan uji asumsi pemodelan Cox PH

Cox PH dikatakan proportional jika hazard ratio variabel prediktornya konstan terhadap waktu. Jika terdapat variabel prediktor yang bergantung terhadap waktu maka asumsi proportional

hazard tidak terpenuhi (Kleinbaum & Klein, 2012:123). Pengujian asumsi Cox PH dapat dilakukan

dengan pengujian Goodness of Fit (GOF) dengan hipotesis sebagai berikut (Kleinbaum & Klein, 2012:181-182):

H0: Asumsi Cox PH terpenuhi

H1: Asumsi Cox PH tidak terpenuhi

(7)

1. Jika nilai p-value < α, maka dinyatakan tolak H0 atau variabel dinyatakan tidak memenuhi asumsi

Cox PH.

2. Jika nilai > , maka dinyatakan tolak H0 atau variabel dinyatakan tidak memenuhi

asumsi Cox PH.

4. Menginterpretasikan model Cox PH yang terbentuk.

Interpretasi model Cox PH yang terbentuk menggunakan hazard ratio. Hazard ratio merupakan ukuran untuk mengetahui tingkat risiko (kecenderungan) yang dapat dilihat dari perbandingan antara individu dengan kondisi variabel prediktor X pada kategori sukses dengan kategori gagal. Misalnya, variabel prediktor X dengan dua kategori yaitu 0 dan 1. Nilai tersebut mempunyai arti bahwa tingkat kecepatan terjadinya failure event pada individu dengan kategori X = 0 adalah sebesar kali dari individu dengan kategori X = 1 (Fa’rifah dan Purhadi, 2012:273).

Hazard ratio untuk individu dengan X = 0 dibanding X = 1 adalah sebagai berikut

(Kleinbaum & Klein, 2012:115):

Tingkat hazard dari fungsi tersebut bersifat proporsional. Jika rasio pada suatu persamaan bernilai 2 pada titik tertentu, maka risiko kegagalan individu X = 0 dua kali lebih besar dari individu X = 1.

5. Perancangan aplikasi berbasis web

Gambar 1 Use Case Diagram

Aplikasi dirancang dengan nama aplikasi churn pelanggan XL Axiata) yang dapat diakses secara offline dengan menggunakan localhost. Ketika mendaftar pada aplikasi, user dibagi menjadi dua role yaitu user non-admin dan admin. User non-admin dapat melakukan daftar user baru, login

user, melihat hasil output analisis data, mengubah personal info, mengubah foto user, mengubah password user dan logout. User admin dapat melakukan login user, melihat hasil output analisis data,

mengubah personal info, mengubah foto user, mengubah password user, melihat list data, mengubah

(8)

4. HASIL DAN BAHASAN

Pengujian validitas yang dilakukan untuk mengetahui hasil uji valid masing-masing pertanyaan pada kuisioner. Pengujian dilakukan pada 30 kuisioner dengan membandingkan hasil nilai

rhitung masing-masing butir pertanyaan dengan nilai rtabel serta dengan membandingkan nilai

signifikansinya. Hasil output uji valid pada kuisioner disajikan pada Lampiran 1.

Pengujian validitas dilakukan dengan membandingkan nilai rhitung (Koef. Korelasi) pada

masing-masing butir pertanyaan dengan rtabel dengan derajat kebebasan sebesar 28 (df = n-2 = 30-2 =

28) menggunakan signifikansi 5%. Nilai rtabel pada df = 28 adalah sebesar 0.3610. Sebagai contoh,

butir pertanyaan P1 memiliki rhitung sebesar 0.849 > rtabel = 0.3610, maka kesimpulannya yaitu butir

pertanyaan P1 dalam kuisioner berkorelasi signifikan terhadap skor total atau pertanyaan valid. Hasil

output tabel pada Lampiran 3, menunjukkan bahwa semua rhitung pada masing-masing butir pertanyaan

P1 hingga P30 > 0.3610, berarti semua butir pertanyaan pada kuisioner berkorelasi signifikan terhadap skor total atau semua pertanyaannya valid.

Hasil uji reliabilitas untuk 30 pertanyaan pada kuisioner dengan menggunakan rumus

Cronbach Alpha, menghasilkan nilai koefisien Cronbach Alpha yang disajikan pada Tabel 1.

Tabel 1 Output Uji Reliabilitas

Variabel Koefisien Alpha-Cronbach Kesimpulan

Harga 0.908 Reliabel

Kualitas Layanan 0.895 Reliabel

Produk 0.885 Reliabel

Switching Barrier 0.890 Reliabel

Berdasarkan hasil Tabel 1, dapat disimpulkan bahwa koefisien Cronbach Alpha untuk seluruh pertanyaan-pertanyaan pada variabel harga, kualitas layanan, produk dan switching barrier adalah reliabel karena > 0.6. Sebagai contoh, variabel harga memiliki koefisien Cronbach Alpha yaitu 0.908 > 0.6, berarti seluruh pertanyaan pada variabel harga adalah reliabel.

Langkah-langkah pemodelan Cox PH dalam penelitian ini adalah sebagai berikut:

a. Langkah 1: Mencari nilai log likelihood atau L(0) dari model Cox PH nol. Model Cox PH nol tersebut dibentuk tanpa memasukkan seluruh variabel prediktor. Nilai L(0) dari output adalah -326.3349. Nilai L(0) digunakan untuk uji partial likelihood ratio pada model Cox PH selanjutnya. b. Langkah 2: Membentuk model Cox PH dengan memasukkan semua variabel-variabel prediktor ke

dalam model, sehingga diperoleh output parameter model Cox dengan ties Breslow sebagai berikut. Tabel 2 Output Estimasi Parameter Cox PH

Variabel Prediktor Koefisien SE(Koefisien) W hitung (uji wald) p-value (uji wald) genderW 0.715 0.271 6.942 0.00841 status_kerjaTB -0.766 0.325 5.544 0.01854 umur -0.318 0.112 8.098 0.00443 Harga -0.574 0.222 6.720 0.00953 kualitas_layanan -0.768 0.280 7.529 0.00607 Produk -0.377 0.250 2.282 0.13086 switching_barrier -1.045 0.279 14.016 0.00018

Dari Tabel 2, diperoleh estimasi parameter model Cox PH dengan ties Breslow dan dibentuk persamaan model Cox PH sebagai berikut.

(9)

(4.1)

Diperoleh nilai R2 pada model Cox PH pada persamaan (4.1) adalah R2 = 0.588. Berdasarkan hasil

output diperoleh nilai log likelihood untuk model Cox PH model Cox PH nol yaitu = -326.3349

dan nilai log likelihood untuk model Cox PH pada persamaan (4.1) yaitu = -281.9568, sehingga

diperoleh perhitungan statistik uji G sebagai berikut.

= 88.756

Karena G = 88.756 ≥ = 14.067 dan p-value = 2.22044e-16 < 0.05, sehingga H0 ditolak

dan dapat disimpulkan bahwa variabel gender, status kerja, umur, harga, kualitas layanan, produk dan

switching barrier secara serentak berpengaruh dalam model.

Berdasarkan Tabel 2 dapat disimpulkan sebagai berikut:

1. Variabel gender berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 6.942 >

= 3.841 atau p-value = 0.00842 < α = 0.05, maka H0 ditolak.

2. Variabel status kerja berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 5.544 >

3. Variabel umur berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 8.098 >

4. Variabel harga berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 6.720 >

5. Variabel kualitas layanan berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W =

7.529 > = 3.841 atau p-value = 0.00607 < α = 0.05, maka H0 ditolak.

6. Variabel produk tidak berpengaruh berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai

W = 2.282 < = 3.841 atau p-value = 0.13086 > α = 0.05, maka gagal tolak H0.

7. Variabel switching barrier berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W =

Dari hasil uji Wald di atas menunjukkan bahwa ada satu variabel yang tidak berpengaruh pada churn yaitu variabel produk, sehingga variabel tersebut dikeluarkan untuk model persamaan Cox PH selanjutnya. Variabel-variabel lainnya yaitu gender, status kerja, umur, harga, kualitas layanan dan

switching barrier berpengaruh terhadap churn pelanggan XL Axiata.

c. Langkah 3: Membentuk model Cox PH baru menggunakan eliminasi backward dengan memasukkan semua variabel-variabel prediktor yang berpengaruh pada churn berdasarkan hasil uji

Wald pada Langkah 2, sehingga diperoleh output parameter model Cox PH yang baru dengan ties Breslow sebagai berikut.

Tabel 3 Output Estimasi Parameter Cox PH Eliminasi Backward

ariabel Prediktor Koefisien SE(Koefisien) W hitung (uji wald) p-value (uji wald) genderW 0.669 0.269 6.168 0.01301 status_kerjaTB -0.726 0.324 5.015 0.02512 umur -0.318 0.110 8.344 0.00387 Harga -0.618 0.224 7.622 0.00576 kualitas_layanan -0.911 0.259 12.379 0.00043 switching_barrier -1.146 0.267 18.383 0.00001

(10)

Berdasarkan output pada Tabel 3 diperoleh estimasi parameter model Cox PH menggunakan

ties Breslow menggunakan eliminasi backward, kemudian dibentuk model persamaan Cox PH yang

baru sebagai berikut.

(4.2)

Diperoleh nilai R2 pada model Cox PH dengan eliminasi backward pada persamaan (4.2) adalah

R2 = 0.579.

Guna mengetahui variabel-variabel prediktor dalam persamaan (4.2) secara serentak berpengaruh dalam model atau tidak, maka dilakukan uji signifikansi parameter Cox PH menggunakan uji partial likelihood ratio seperti pada Langkah 2.

Dari hasil output diperoleh nilai log likelihood untuk model Cox PH model Cox PH nol yaitu

= -326.3349 dan nilai log likelihood untuk persamaan (4.2) yaitu = -283.1075, sehingga

diperoleh perhitungan statistik uji G sebagai berikut.

= 86.455

Karena G = 86.455 ≥ = 12.592 dan p-value = 1.110223e-16 < 0.05, sehingga H0

ditolak dan dapat disimpulkan bahwa variabel gender, status kerja, umur, harga, kualitas layanan, dan

switching barrier secara serentak berpengaruh dalam model.

Untuk mengetahui variabel-variabel prediktor secara individu yang berpengaruh signifikan dalam persamaan (4.2), maka dilakukan pengujian pada setiap variabel prediktor dengan uji Wald seperti pada Langkah 2.

Berdasarkan Tabel 3 dapat disimpulkan sebagai berikut:

1. Variabel gender berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 6.168 >

2. Variabel status kerja berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 5.015 >

3. Variabel umur berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 8.344 >

4. Variabel harga berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W = 7.622 >

5. Variabel kualitas layanan berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W =

6. Variabel switching barrier berpengaruh terhadap churn, hal tersebut dapat dilihat dari nilai W =

Dari hasil uji Wald di atas menunjukkan bahwa variabel gender, status kerja, umur, harga, kualitas layanan dan switching barrier berpengaruh terhadap churn. Pemodelan Cox PH dengan eliminasi backward berhenti hingga Langkah 3 karena semua variabel prediktor secara individu berpengaruh terhadap churn, sehingga diperoleh model Cox PH terbaik yaitu pada persamaan (4.2).

Setelah dilakukan pemilihan model Cox PH terbaik pada persamaan (4.2), dilanjutkan dengan pengujian asumsi pemodelan Cox PH. Uji asumsi Cox PH menggunakan nilai Goodness of Fit yang mengikuti distribusi chi-square dan p-value.

Tabel 4 Uji Asumsi Model Cox PH

Variabel Prediktor GOF p-value

genderW 3.301 0.069

(11)

Umur 0.518 0.472

Harga 2.776 0.096

kualitas_layanan 0.012 0.781

switching_barrier 0.077 0.199

Berdasarkan Tabel 4 dapat disimpulkan sebagai berikut.

1. Variabel gender memenuhi asumsi Cox PH, hal tersebut dapat dilihat dari nilai = 3.301 <

= 3.841 atau p-value = 0.069 > α = 0.05, maka gagal tolak H0.

2. Variabel status kerja memenuhi asumsi Cox PH, hal tersebut dapat dilihat dari nilai = 2.830

< = 3.841 atau p-value = 0.092 > α = 0.05, maka gagal tolak H0.

3. Variabel umur memenuhi asumsi Cox PH, hal tersebut dapat dilihat dari nilai = 0.518 <

4. Variabel harga memenuhi asumsi Cox PH, hal tersebut dapat dilihat dari nilai = 2.776 <

5. Variabel kualitas layanan memenuhi asumsi Cox PH, hal tersebut dapat dilihat dari nilai =

0.012 < = 3.841 atau p-value = 0.781 > α = 0.05, maka gagal tolak H0.

6. Variabel switching barrier memenuhi asumsi Cox PH, hal tersebut dapat dilihat dari nilai =

0.077 < = 3.841 atau p-value = 0.199 > α = 0.05, maka gagal tolak H0.

Dengan pemodelan Cox PH, dapat pula diperoleh hasil perbandingan risiko atau yang disebut dengan hazard ratio menggunakan persamaan model Cox PH (4.2) yang disajikan pada Tabel 5.

Tabel 5 Nilai Hazard ratio

Variabel Prediktor Hazard ratio

genderW 1.952

status_kerjaTB 0.484

Umur 0.728

Interpretasi nilai hazard ratio dari model Cox PH pada persamaan (4.2) yang terjadi adalah sebagai berikut:

1. Variabel gender

Pelanggan XL Axiata dengan gender wanita = 1, selain wanita = 0, diperoleh dan ,

sehingga hazard ratio menjadi:

=

Diartikan bahwa pelanggan XL Axiata wanita memiliki risiko churn 1,952 kali lebih besar daripada pelanggan XL Axiata pria.

2. Variabel status kerja

Pelanggan XL Axiata dengan status kerja tidak bekerja = 1, selain status kerja tidak bekerja = 0,

(12)

=

Diartikan bahwa pelanggan XL Axiata yang tidak bekerja memiliki risiko churn 0.484 kali lebih kecil daripada pelanggan XL Axiata yang bekerja.

3. Variabel umur

Untuk variabel umur, sebagai contoh membandingkan hazard ratio umur 25 dengan 24, dengan peningkatan 1 satuan umur pelanggan XL Axiata, sehingga hazard ratio menjadi:

=

Diartikan bahwa jika umur pelanggan XL Axiata meningkat satu satuan maka risiko pelanggan XL Axiata churn turun sebesar 0.728 kali.

Berdasarkan hasil analisis survival menggunakan Cox PH terhadap 7 variabel prediktor yaitu gender, status kerja, umur, harga, kualitas layanan, produk dan switching barrier terhadap churn pelanggan XL Axiata, diperoleh hanya 6 variabel secara signifikan berpengaruh terhadap churn. Variabel produk tidak berpengaruh terhadap churn pelanggan XL Axiata. Artinya, jika XL Axiata meningkatkan atau menurunkan kualitas produknya tidak akan mempengaruhi churn pelanggannya.

Selain itu, dapat dilihat pada perbandingan nilai R2 pada model Cox PH pada persamaan

(4.1) sebesar 0.588 dengan menggunakan 7 variabel, sedangkan nilai R2 pada model Cox PH pada

persamaan (4.2) sebesar 0.579 dengan menggunakan 6 variabel. Selisih dari kedua nilai R2 cukup

kecil yaitu sebesar 0.003. Dapat dikatakan, variabel produk tidak memberikan kontribusi terhadap model, sehingga jika variabel produk tidak ada, maka tidak akan menimbulkan masalah berarti untuk pemodelan Cox PH.

Dengan menggunakan nilai R2 pada persamaan model Cox PH (4.2), dapat disimpulkan

bahwa variasi dari variabel-variabel prediktor yang ada dalam penelitian ini yaitu gender, umur, statu kerja, harga, kualitas layanan, dan switching barrier hanya memberikan kontribusi kepada model Cox PH sebesar 57.9%. Hal ini berarti bahwa sebesar 42.1% dari model Cox PH tersebut masih dapat dijelaskan oleh variabel prediktor lainnya yang belum ada dalam penelitian ini. Untuk meningkatkan

nilai R2, dapat dilakukan dengan cara menambahkan jumlah variabel dalam penelitian.

Seperti yang telah dikemukakan sebelumnya, untuk variabel gender khususnya pelanggan XL Axiata dengan gender wanita memiliki risiko churn sebesar 1.952, berarti risiko pelanggan wanita untuk churn lebih besar 1.952 kali lipat daripada pelanggan pria. Berdasarkan hasil wawancara lanjutan kepada responden yang churn bergender wanita, alasan memutuskan churn dari XL Axiata adalah teman-teman terdekat yang bergender wanita menggunakan provider selular lainnya.

Variabel status kerja bagi pelanggan XL Axiata yang tidak bekerja memiliki risiko churn sebesar 0.484 kali lebih rendah daripada pelanggan yang bekerja. Berdasarkan hasil wawancara lanjutan kepada responden yang churn berstatus bekerja, alasan memutuskan churn dari XL Axiata adalah mengikuti rekan kerja atau orang-orang yang terhubung setiap hari dengan responden tersebut.

Variabel umur pelanggan XL Axiata dengan peningkatan 1 satuan memiliki risiko churn lebih rendah sebesar 0.728. Hal tersebut juga berkaitan dengan status kerja yang dimiliki oleh pelanggan XL Axiata tersebut yaitu tidak bekerja.

Oleh sebab itu, XL Axiata dapat membuat suatu strategi pemasaran untuk menurunkan jumlah churn pelanggan XL Axiata wanita dan pelanggan yang bekerja, misalnya strategi berupa

Circle XL Axiata. Di dalam Circle XL Axiata, pelanggan dapat merekrut teman-teman terdekat atau

keluarga yang sering dihubungi yang bergender wanita untuk bergabung di Circle XL Axiata. Bagi pelanggan yang bekerja yang memiliki kebutuhan untuk selalu berkomunikasi dengan rekan kerjanya setiap hari, juga dapat merekrut teman-teman kantornya dalam suatu Circle XL Axiata. Circle XL Axiata tersebut tidak harus langsung besar atau memiliki jumlah anggota perekrutan yang banyak, tetapi dapat diberikan ketentuan bahwa pelanggan yang dapat merekrut teman, keluarga atau rekan kerjanya harus memiliki syarat tertentu yang menunjukkan keloyalitasannya menggunakan XL Axiata, misalnya pelanggan tersebut sudah menggunakan XL Axiata selama 2 tahun. Jika pelanggan yang direkrut juga berhasil menggunakan XL Axiata selama 1 tahun, maka perekrut akan mendapatkan

(13)

mendapatkan keuntungan tersendiri. Keuntungan yang mungkin dapat diberikan dalam Circle XL Axiata tersebut adalah memberikan tarif telepon yang lebih murah, memberikan bonus paket internet dan sebagainya. Hal tersebut juga dapat berdampak positif bagi pelanggan non XL Axiata untuk ikut menggunakan XL Axiata dan memiliki kesempatan untuk direkrut ke dalam Circle tersebut oleh pelanggan XL Axiata.

5. SIMPULAN DAN SARAN

Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut: 1. Model churn pada pelanggan XL Axiata menggunakan model Cox PH yaitu:

2. Berdasarkan hasil uji partial likelihood likelihood ratio dan uji Wald pada pemodelan Cox PH hasil eliminasi backward dengan α = 0.05, variabel yang secara signifikan mempengaruhi churn pelanggan XL Axiata adalah gender, status kerja, umur, harga, kualitas layanan dan switching

barrier.

3. Interpretasi model churn yang terbentuk menggunakan Cox PH adalah:

a. Pelanggan XL Axiata wanita memiliki risiko churn 1,952 kali lebih besar daripada pelanggan XL Axiata pria.

b. Pelanggan XL Axiata yang tidak bekerja memiliki risiko churn 0.484 kali lebih kecil daripada pelanggan XL Axiata yang bekerja.

c. Jika umur pelanggan XL Axiata meningkat satu satuan maka risiko pelanggan XL Axiata churn turun sebesar 0.728 kali.

d. Nilai R2 adalah 0.579, artinya variasi di dalam model Cox PH dapat diterangkan oleh variabel

prediktor (gender, status kerja, umur, harga, kualitas layanan dan switching barrier) sebesar 57.9%, sisanya sebesar 42.1% dipengaruhi oleh variabel-variabel lainnya yang tidak terdapat dalam penelitian ini.

4. Perancangan aplikasi berbasis web yang dilakukan menggunakan metode waterfall.

Beberapa saran yang dapat diajukan untuk penelitian dan pengembangan penelitian selanjutnya adalah sebagai berikut:

Bagi XL Axiata

1. Untuk menurunkan jumlah churn berdasarkan demografi pelanggan seperti gender, umur dan status kerja, diperlukan suatu program atau strategi pemasaran XL Axiata yang tepat sasaran sesuai dengan gender, umur dan status kerja pelanggan-pelanggan tersebut.

2. XL Axiata dapat meningkatkan kembali kepuasan pelanggan dalam faktor harga, kualitas layanan dan mempertimbangkan switching barrier pelanggan agar churn pelanggan XL Axiata semakin menurun.

Bagi penelitian selanjutnya

1. Menggunakan satuan churn berupa harian. 2. Menambah variabel penelitian.

3. Menggunakan teknik sampling probability dan jumlah sampel yang lebih banyak yang mewakili populasi.

REFERENSI

Boone, Kurtz. (2007). Contemporary Business 11th_{Edition, diterjemahkan oleh Salemba Empat.}

Jakarta: Salemba Empat

Collett, David. (2003). Modelling Survival Data in Medical Research 2nd Edition. Chapman & Hall/CRC

Fa'rifah, Purhadi. (2012). Analisis Survival Faktor-Faktor yang Mempengaruhi Laju Kesembuhan Pasien Penderita Demam Berdarah Dengue (DBD) di RSU Haji Surabaya dengan Regresi Cox. Jurnal Sains dan Seni ITS Vol. 1, No. 1, diakses 7 Maret 2015 dari http://ejurnal.its.ac.id/index.php/sains_seni/article/view/2061/362

(14)

Fauzi, Tb. A. 29 Agustus, (2014). Titus Dondi Pimpin XL Regional Jabodetabek, diakses 7 Maret

2015 dari

http://www.radarbanten.com/read/berita/170/22098/Titus-Dondi-Pimpin-XL-Regional-Jabodetabek.html

Gilmore, W. Jason. (2010). PHP and MySQL From Novice to Professional 4th Edition. US: Apress Govindaraju, Simatupang, Samadhi (2008). Perancangan Sistem Prediksi Churn Pelanggan PT.

Telekomunikasi Seluler Dengan Memanfaatkan Proses Data Mining. Jurnal Informatika Vol.

9 No.1, diakses 7 Maret 2015 dari

http://jurnalinformatika.petra.ac.id/index.php/inf/article/view/16893/16876 Guo, Shenyang. (2009). Survival Analysis. USA: Oxford University Press

Hosmer, Lemeshow. (2008). Applied Survival Analysis: Regression Modeling of Time-to-Event Data. New Jersey: Wiley

Ihaka, Gentleman. (1996). R: A Language for Data Analysis and Graphics. Journal of Computational

and Graphical Statistics, Volume 5 No 3 Pages 299-314, diakses 7 Maret 2015 dari

http://biostat.mc.vanderbilt.edu/wiki/pub/Main/JeffreyHorner/JCGSR.pdf

Iskandar, Bayu. (2015). Model Cox Proportional Hazard pada Kejadian Bersama. Yogyakarta. Skripsi tidak diterbitkan. Yogyakarta: Universitas Negeri Yogyakarta

Jeffrey L. Whitten, Lonnie D. Bentley. (2007). System Analysis and Design Methods 7th Edition.

McGraw-Hill

Juliandi, Irfan, Manurung. (2014). Metodologi Penelitian Bisnis Konsep & Aplikasi. Medan: Umsu Press

Kamalraj, Malathi (2013). Applying Data Mining Techniques in Telecom Churn Prediction.

International Journal of Advanced Research in Computer Science and Software Engineering, Volume 3, Issue 10, diakses 7 Maret 2015 dari https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=12&cad=rja&uact= 8&ved=0CCUQFjABOApqFQoTCJCZ9b6u58YCFUcejgodyu4Jgw&url=http%3A%2F%2F www.ijarcsse.com%2Fdocs%2Fpapers%2FVolume_3%2F10_October2013%2FV3I9-0555.pdf&ei=h66rVdC5J8e8uATK3aeYCA&usg=AFQjCNE3B_3ZFyb5AC_T0xqH3KOZ AQ7Kgg&sig2=2CiRPcsn1-yAOtnSYqEmSw&bvm=bv.98197061,d.c2E

Kautsar, M.Ibnu. (2012). Analisis Faktor-Faktor yang Mempengaruhi Tingkat Customer Churn Pada Pengguna Kartu Prabayar Telkomsel. Jakarta. Tesis tidak diterbitkan. Jakarta : Program Pasca Sarjana Universitas Bina Nusantara

Kartiko, Sigit Wahyu. (2012). Mengenal Software Statistika “R” sebagai Datamining Tool di Linux,

diakses 7 Maret 2015 dari

https://www.academia.edu/4635388/Mengenal_Software_Statistika_R_Mengenal_Software_ Statistika_R_sebagai_sebagai_Datamining_Tool_Datamining_Tool_di_Linux_di_Linux Klein, John P., Moeschberger, Melvin L. (2003). Survival Analysis Techniques for Censored and

Truncated Data 2nd Edition. New York: Springer

Kleinbaum, Klein. (2012). Survival Analysis, A Self-Learning Text 3rd Edition. New York: Springer

Kotler, Armstrong. (2012). Principles of Marketing 14th Edition. New Jersey: Pearson Prentice Hall

Le, Chap T. (2010). Applied Categorical Data Analysis and Translational Research. New Jersey: Wiley

Liu, Xian. (2012). Survival Analysis: Models and Applications. UK: Wiley Maclntyre, Danchilla, Gogala. (2012). Pro PHP Programming. New York:Apress

Malhotra, Naresh K. (2004). Riset Pemasaran Jilid 1, diterjemahkan oleh Indeks. Jakarta: Indeks Miller, William. (2013). Statistics and Measurement Concepts with OpenStat. New York: Springer Mullins, John W., Walker Jr, Orville C., Larreche, Jean Claude., W. Boyd, Harper. (2005). Marketing

Management: A Strategic Decision Making Approach (5th Ed). New York: The

Mc-Graw-Hill Companies

Noor II, Achmad Rouzni. 3 Juli, (2013). SIM Card Naik Jadi Rp 100 Ribu, Apa Kata Operator?, diakses 7 Maret 2015 dari http://inet.detik.com/read/2013/07/03/110118/2291135/328/2/sim-card-naik-jadi-rp-100-ribu-apa-kata-operator

Nortey, Doku-Amponsah, Madjitey, Ansah-Narh. (2013). Logistic Regression Analysis for Determining The Factors That Affect Subscribers’ Brand Switching of Telecom Industry in Ghana. Research Journal in Engineering and Applied Sciences 2(5) 359-364, diakses 7

Maret 2015 dari https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8 &ved=0CB0QFjAAahUKEwj7l6Or9ebGAhVXc44KHSvxBgs&url=http%3A%2F%2Frjeas. emergingresource.org%2Farticles%2FA%2520LOGISTIC%2520REGRESSION.pdf&ei=m XKrVbvnJtfmuQSr4ptY&usg=AFQjCNEWFJbRnrr8zpu02jRNFbH3yqCmIA&sig2=LskvU KZqIA2LuiMhKE2luQ&bvm=bv.98197061,d.c2E

(15)

Oghojafor, Mesika, Bakarea, Omoera, Adeleke. (2012). Discriminant Analysis of Factors Affecting Telecoms Customer Churn. International Journal of Business Administration Vol. 3, No. 2,

diakses tanggal 7 Maret 2015 dari

http://www.sciedu.ca/journal/index.php/ijba/article/view/867/419

PT. XL Axiata Tbk. (2012). Annual Report 2012, diakses pada 7 Maret 2015 dari http://www.xl.co.id/ss/Satellite?blobcol=urldata&blobheader=application%2Fpdf&blobkey=i d&blobtable=MungoBlobs&blobwhere=1364676197131&ssbinary=true

Rashid, Tarik A. (2009). Classification of Churn and Non-Churn Customers for Telecomunnications Companies. International Journal of Biometrics and Bioinformatics Vol.3, diakses 7 Maret

2015 dari

http://www.researchgate.net/publication/41847017_Classification_of_Churn_and_non-Churn_Customers_for_Telecommunication_Companies

Pressman, Roger. (2010). Software Engineering: A Practitioner's Approach 7th Ed. New York:

McGraw-Hill

Shneiderman, Ben., Plaisant, Catherine (2010). Designing User Interface 5th Ed. Pearson

Sommerville, Ian. (2011). Software Engineering 9th Edition. US: Pearson Sugiyono. (2011). Metode Penelitian Kombinasi. Bandung: Alfabeta

Tampake, Hendro Steven. (2007). Penggunaan AJAX pada Pengembangan Aplikasi Web. Jurnal

Teknologi Informasi-Aiti Vol.4 No.1 , diakses 7 Maret 2015 dari https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8 &ved=0CBwQFjAAahUKEwi-mP6K0_HGAhXBJKYKHY7LAfM&url=http%3A%2F%2Frepository.uksw.edu%2Fbitstrea m%2F123456789%2F1010%2F2%2FART_Hendro%2520Steven%2520Tampake_Pengguna an%2520ajax%2520pada%2520pengembangan_Full%2520text.pdf&ei=FBOxVb6-DsHJmAWOl4eYDw&usg=AFQjCNH2iwXZ6TiNd4Dk6BNJnmC5WRYtig&sig2=wxAgn 72086jsM1ZU7vfFHA&bvm=bv.98476267,d.dGY

Therneau, Grambsch. (2000). Modeling Survival Data: Extending the Cox Model. New York: Springer

Umar, Husein. (2002). Metode Riset Bisnis Panduan Mahasiswa untuk Melaksanakan Riset

Dilengkapi Contoh Proposal dan Hasil Riset Bidang Manajemen dan Akuntansi. Jakarta:

Gramedia Pustaka Utama

Wibowo, Ari. (2013). Analisis Pengaruh Switching Cost, Attractiveness Of Alternative, Interpersonal

Relationship, dan Service Recovery Terhadap Repurchase Intention Gsm Xl Prabayar: Studi Kasus Pada Mahasiswa UIN Syarif Hidayatullah Jakarta Pengguna GSM XL Prabayar.

Jakarta. Skripsi tidak diterbitkan. Jakarta: UNIVERSITAS ISLAM NEGERI SYARIF

HIDAYATULLAH, diakses pada 7 Maret 2015 dari

https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8 &ved=0CBwQFjAAahUKEwiL4uzQuufGAhXQWo4KHZqfCkE&url=http%3A%2F%2Fre pository.uinjkt.ac.id%2Fdspace%2Fbitstream%2F123456789%2F23948%2F1%2FSkripsi.pd f&ei=QrurVYu5HdC1uQSav6qIBA&usg=AFQjCNHmCWrWUjqevwyrpG7tMWw1bAvT7 w&sig2=EXCRCEkEarg12vura3uPRg&bvm=bv.98197061,d.c2E

Wijaya, Ketut Krisna. 25 November, (2014). Inilah Laporan Kinerja dan Finansial 3 Operator Seluler

Terbesar di Indonesia pada Q3 2014, diakses 7 Maret 2015 dari

http://id.techinasia.com/laporan-kinerja-finansial-xl-telkom-indosat-q3-2014/

Wong. (2011). Using Cox Regression to Model Customer Time to Churn in the Wireless Telecommunications Industry. Journal of Targeting, Measurement and Analysis for

Marketing (2011) 19, 37 – 43, diakses 7 Maret 2015 dari

http://www.palgrave-journals.com/jt/journal/v19/n1/full/jt20111a.html

Yulinda. (2013). Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah Kredit Sumut Sejahtera I pada PT Bank Sumut Cabang Utama Medan. Jurnal Ekonom, Vol 16, No 1,

diakses 7 Maret 2015 dari

https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=7&cad=rja&uact=8 &ved=0CFAQFjAGahUKEwiU0ejBtefGAhXKI44KHSqTAPE&url=http%3A%2F%2Frepo sitory.usu.ac.id%2Fbitstream%2F123456789%2F43523%2F1%2Fyulinda.pdf&ei=5LWrVZ

(16)