ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN
Dengan semakin berkembangnya persaingan bisnis, agar mendapatkan pasien lebih banyak dan kepuasan pelayanan terhadap pasien, maka perusahaan harus mempunyai strategi. Palapa Dentists belum mengadopsi strategi CRM (Customer Relationship Management) masih memperlakukan semua pasien dengan pendekatan...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Serang Raya
2023-03-01
|
| Series: | JSiI (Jurnal Sistem Informasi) |
| Online Access: | https://e-jurnal.lppmunsera.org/index.php/jsii/article/view/5999 |
| _version_ | 1827313357074464768 |
|---|---|
| author | Aji Setiono Agung Triayudi Endah Tri Esti Handayani |
| author_facet | Aji Setiono Agung Triayudi Endah Tri Esti Handayani |
| author_sort | Aji Setiono |
| collection | DOAJ |
| description |
Dengan semakin berkembangnya persaingan bisnis, agar mendapatkan pasien lebih banyak dan kepuasan pelayanan terhadap pasien, maka perusahaan harus mempunyai strategi. Palapa Dentists belum mengadopsi strategi CRM (Customer Relationship Management) masih memperlakukan semua pasien dengan pendekatan yang sama. Berdasarkan permasalahan tersebut maka diperlukan data mining menggunakan teknik cluster untuk mengetahui karakteristik setiap pasien. Penelitian ini menggunakan metode RFM (Recency Frequency Monetary) dan K-Means Clustering dengan tujuan menentukan segmentasi pasien dan memilih kelompok pasien mana yang paling menguntungkan bagi perusahaan. Penentuan jumlah cluster menggunakan elbow method yang menghasilkan jumlah cluster terbaik adalah 2. Silhouette score menghasilkan jumlah 2 cluster dengan score 0.6014345457538962. Sedangkan hasil davies-bouldin score menunjukan cluster optimal dengan 3 cluster tapi skornya 0.7500785223208264 masih jauh dari 0. Cluster 1 memiliki 17.413 anggota dan cluster 2 memiliki 2.068 anggota. Cluster 1 memiliki nilai rata-rata recency 641,63, frequency 3,21, dan monetary Rp. 2.424.251,98. Sedangkan cluster 2 memiliki nilai rata-rata recency 286,87, frequency 19,32, dan monetary Rp. 20.087.467,49. Dapat disimpulkan cluster 2 adalah kelompok pasien yang lebih menguntungkan dibandingkan cluster 1.
Kata kunci: Customer Relationship Management, Segmentasi, RFM, K-Means Clustering, Cluster
|
| first_indexed | 2024-03-13T10:29:09Z |
| format | Article |
| id | doaj.art-a7e9f2eaeee94d81a3ee154e7fc8db98 |
| institution | Directory Open Access Journal |
| issn | 2406-7768 2581-2181 |
| language | English |
| last_indexed | 2024-04-24T22:08:19Z |
| publishDate | 2023-03-01 |
| publisher | Universitas Serang Raya |
| record_format | Article |
| series | JSiI (Jurnal Sistem Informasi) |
| spelling | doaj.art-a7e9f2eaeee94d81a3ee154e7fc8db982024-03-20T11:03:45ZengUniversitas Serang RayaJSiI (Jurnal Sistem Informasi)2406-77682581-21812023-03-0110110.30656/jsii.v10i1.59995999ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIENAji Setiono0Agung Triayudi1Endah Tri Esti Handayani2Universitas NasionalUniversitas NasionalUniversitas Nasional Dengan semakin berkembangnya persaingan bisnis, agar mendapatkan pasien lebih banyak dan kepuasan pelayanan terhadap pasien, maka perusahaan harus mempunyai strategi. Palapa Dentists belum mengadopsi strategi CRM (Customer Relationship Management) masih memperlakukan semua pasien dengan pendekatan yang sama. Berdasarkan permasalahan tersebut maka diperlukan data mining menggunakan teknik cluster untuk mengetahui karakteristik setiap pasien. Penelitian ini menggunakan metode RFM (Recency Frequency Monetary) dan K-Means Clustering dengan tujuan menentukan segmentasi pasien dan memilih kelompok pasien mana yang paling menguntungkan bagi perusahaan. Penentuan jumlah cluster menggunakan elbow method yang menghasilkan jumlah cluster terbaik adalah 2. Silhouette score menghasilkan jumlah 2 cluster dengan score 0.6014345457538962. Sedangkan hasil davies-bouldin score menunjukan cluster optimal dengan 3 cluster tapi skornya 0.7500785223208264 masih jauh dari 0. Cluster 1 memiliki 17.413 anggota dan cluster 2 memiliki 2.068 anggota. Cluster 1 memiliki nilai rata-rata recency 641,63, frequency 3,21, dan monetary Rp. 2.424.251,98. Sedangkan cluster 2 memiliki nilai rata-rata recency 286,87, frequency 19,32, dan monetary Rp. 20.087.467,49. Dapat disimpulkan cluster 2 adalah kelompok pasien yang lebih menguntungkan dibandingkan cluster 1. Kata kunci: Customer Relationship Management, Segmentasi, RFM, K-Means Clustering, Cluster https://e-jurnal.lppmunsera.org/index.php/jsii/article/view/5999 |
| spellingShingle | Aji Setiono Agung Triayudi Endah Tri Esti Handayani ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN JSiI (Jurnal Sistem Informasi) |
| title | ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN |
| title_full | ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN |
| title_fullStr | ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN |
| title_full_unstemmed | ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN |
| title_short | ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN |
| title_sort | analisis recency frequency monetary dan k means clustering pada klinik gigi untuk menentukan segmentasi pasien |
| url | https://e-jurnal.lppmunsera.org/index.php/jsii/article/view/5999 |
| work_keys_str_mv | AT ajisetiono analisisrecencyfrequencymonetarydankmeansclusteringpadaklinikgigiuntukmenentukansegmentasipasien AT agungtriayudi analisisrecencyfrequencymonetarydankmeansclusteringpadaklinikgigiuntukmenentukansegmentasipasien AT endahtriestihandayani analisisrecencyfrequencymonetarydankmeansclusteringpadaklinikgigiuntukmenentukansegmentasipasien |