Prediksi Diagnosis Pasien Klinik Kecantikan Berbasis Retrieval-Augmented Generation Dan Large Language Models

Utama, Aditya Nanda Utama (2026) Prediksi Diagnosis Pasien Klinik Kecantikan Berbasis Retrieval-Augmented Generation Dan Large Language Models. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6026231036-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (10MB) | Request a copy

Abstract

Pertumbuhan fasilitas kesehatan di Indonesia, terutama di sektor klinik kecantikan, terus mengalami peningkatan yang signifikan. Namun, tantangan utama yang masih dihadapi adalah kurangnya transparansi dalam estimasi biaya perawatan, yang dapat menyebabkan kebingungan dan keraguan di kalangan calon pasien. Selain itu, ketepatan diagnosis awal juga menjadi faktor penting dalam memberikan rekomendasi perawatan yang sesuai. Dalam persaingan industri yang semakin ketat, diperlukan pendekatan berbasis teknologi yang dapat meningkatkan akurasi diagnosis sekaligus memberikan estimasi biaya yang lebih jelas untuk meningkatkan kepercayaan pasien dan efektivitas strategi pemasaran. Pendekatan berbasis kecerdasan buatan menawarkan solusi inovatif melalui penggunaan Retrieval-Augmented Generation (RAG) LangChain dan Large Language Models (LLMs) untuk meningkatkan akurasi prediksi diagnosis pasien di klinik kecantikan. Model ini menggabungkan kemampuan pencarian data dengan pemrosesan bahasa alami untuk menghasilkan prediksi diagnosis yang lebih tepat berdasarkan data medis yang diberikan. Selain itu, model ini dapat memberikan estimasi biaya perawatan yang lebih akurat dan transparan, sehingga membantu klinik dalam merancang strategi pemasaran yang lebih efektif. Dengan penerapan teknologi ini, klinik kecantikan dapat meningkatkan efisiensi layanan, meningkatkan kepuasan pasien, serta memperkuat daya saing mereka dalam industri yang terus berkembang.
======================================================================================================================================
The growth of healthcare facilities in Indonesia, particularly in the beauty clinic sector, has been increasing significantly. However, a major challenge remains the lack of transparency in treatment cost estimation, which can lead to confusion and hesitation among potential patients. Additionally, the accuracy of initial diagnosis is crucial in providing appropriate treatment recommendations. In an increasingly competitive industry, a technology-driven approach is needed to enhance diagnostic accuracy while providing clearer cost estimations to improve patient trust and the effectiveness of marketing strategies. An artificial intelligence-based approach offers an innovative solution through the use of Retrieval-Augmented Generation (RAG) LangChain and Large Language Models (LLMs) to improve the accuracy of patient diagnosis predictions in beauty clinics. This model combines data retrieval capabilities with natural language processing to generate more precise diagnostic predictions based on provided medical data. Furthermore, it can deliver more accurate and transparent treatment cost estimations, aiding clinics in designing more effective marketing strategies. By implementing this technology, beauty clinics can enhance service efficiency, increase patient satisfaction, and strengthen their competitiveness in the evolving industry..

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Diagnosis Kecantikan, RAG, LLMs, LangChain, Prediksi Kecantikan, Beauty Diagnosis, RAG, LLMs, LangChain, Beauty Prediction
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User:	Aditya Nanda Utama
Date Deposited:	23 Jan 2026 02:07
Last Modified:	23 Jan 2026 02:07
URI:	http://repository.its.ac.id/id/eprint/130170

Actions (login required)

View Item