Analisis LRFM Pada Implementasi K-Means Untuk Segmentasi Pasien Klinik Gigi XYZ

Nurhijah, Nabilah (2021) Analisis LRFM Pada Implementasi K-Means Untuk Segmentasi Pasien Klinik Gigi XYZ. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05211740000041-Undergraduate_Thesis.pdf] Text
05211740000041-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (4MB) | Request a copy

Abstract

Kebutuhan masyarakat akan layanan kesehatan gigi dan mulut belum berbanding lurus dengan angka pemenuhannya. Berdasarkan hasil riset Kementerian Kesehatan Republik Indonesia tahun 2018, baru 10,2% masyarakat Indonesia yang bisa mendapatkan pelayanan kesehatan gigi dan mulut yang mereka butuhkan. Hal tersebut mendorong pertumbuhan fasilitas pelayanan kesehatan (faskes) gigi dan mulut, baik oleh pemerintah maupun pihak swasta, sebagai tempat penyelenggaran pelayanan kesehatan. Maraknya pertumbuhan tersebut menciptakan persaingan bisnis antarfaskes. Klinik Gigi XYZ berusaha unggul dalam persaingan tersebut dengan selalu berupaya mendapatkan pelanggan baru, dalam hal ini pasien baru, melalui pemasaran digital seperti Google Ads dan Facebook Ads. Namun, Klinik Gigi XYZ belum menerapkan strategi khusus dalam mempertahankan pasien lama, yang juga merupakan faktor penting untuk bisa unggul dalam persaingan antarbisnis. Jika terus berlanjut, Klinik Gigi XYZ dapat kehilangan para pasiennya.
Tugas akhir ini bertujuan untuk memperoleh informasi karakteristik pasien Klinik Gigi XYZ. Data mining digunakan untuk melakukan ekstraksi informasi dari data pasien Klinik Gigi XYZ. Teknik clustering dengan algoritma K-Means digunakan untuk membagi pasien ke dalam segmen-segmen dengan homogenitas intrasegmen dan heterogenitas antarsegmen. Pembentukan segmen pasien didasari oleh model Length, Recency, Frequency, Monetary (LRFM) dan Customer Lifetime Value (CLV). Pembentukan segmen ini dapat memudahkan proses identifikasi karakteristik pasien karena pasien yang berada pada segmen yang sama akan memiliki karakteristik yang serupa.
Tugas akhir ini berhasil memudahkan proses identifikasi karakteristik pasien Klinik Gigi XYZ melalui informasi waktu kunjungan, jumlah kunjungan, dan banyaknya uang yang dikeluarkan untuk berobat. Segmentasi yang dilakukan menggunakan dua pendekatan yaitu LRFM dan CLV. Masing-masing pendekatan memiliki nilai segmen optimal yaitu dua, ditinjau dari metode elbow. Seluruh segmen yang teridentifikasi memiliki karakteristik yang berbeda satu sama lain, yang dapat dijadikan dasaran dalam penyusunan rekomendasi strategi retensi pasien persegmen.
================================================================================================
The community's need for dental and oral health services has not been directly proportional to the fulfillment rate. Based on research from the Ministry of Health of the Republic of Indonesia in 2018, only 10.2% of Indonesians were able to get the dental and oral health services they needed. This encourages the growth of dental and oral health service facilities, both by the government and the private sector, as a place to provide health services. The rampant growth has created business competition between health facilities. XYZ Dental Clinic tries to excel in the competition by always trying to get new customers, in this case new patients, through digital marketing such as Google Ads and Facebook Ads. However, XYZ Dental Clinic has not implemented a specific strategy in retaining old patients, which is also an important factor to be able to excel in the competition between businesses. If this continues, XYZ Dental Clinic may lose its patients.
This final project aims to obtain the characteristics of patients at XYZ Dental Clinic. Data mining is used to extract information from XYZ Dental Clinic patient data. Clustering technique with K-Means algorithm is used to divide patients into segments with intra-segment homogeneity and inter-segment heterogeneity. The formation of patient segments is based on the Length, Recency, Frequency, Monetary (LRFM) and Customer Lifetime Value (CLV). The formation of this segment can facilitate the process of identifying patient characteristics because patients who are in the same segment will have similar characteristics.
This final project has succeeded in facilitating the process of identifying the characteristics of XYZ Dental Clinic patients through information on time of visit, number of visits, and the amount of money spent for treatment. Segmentation is carried out using two approaches, using LRFM and CLV. Each approach has an optimal segment value of two, based on the elbow method result. All identified segments have different characteristics from each other, which can be used as the basis for formulating recommendations for segment patient retention strategies.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Data mining, segmentasi pasien, K-Means, LRFM, CLV, patient segmentation
Subjects: H Social Sciences > HD Industries. Land use. Labor > HD1393.25 Business enterprises
H Social Sciences > HD Industries. Land use. Labor > HD30.28 Planning. Business planning. Strategic planning.
Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: Nabilah Nurhijah
Date Deposited: 16 Aug 2021 13:29
Last Modified: 16 Aug 2021 13:29
URI: http://repository.its.ac.id/id/eprint/87277

Actions (login required)

View Item View Item