digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Savira Pratidina
PUBLIC Alice Diniarti

Klasifikasi pasien churn dilatarbelakangi adanya ancaman bagi pelaku industri Rumah Sakit (RS), yaitu kehilangan pasien yang berpindah ke RS lain atau churn. Salah satu cara untuk menemukan pola pasien churn adalah dengan menggunakan teknik data mining dalam Customer Relationship Management (CRM) atau disebut dengan CRM-Data Mining. Oleh karena itu, penelitian ini mengusulkan model CRM-Data Mining yang akurat untuk memprediksi perilaku pasien serta hasil dari pengolahan dijadikan usulan perbaikan dan strategi RS dalam mempertahankan pasien. Penelitian ini berfokus pada pasien hamil di klinik obstetri dan ginekologi (obgin) RS dikarenakan pasien churn dapat ditandai dengan pasien yang tidak lagi melanjutkan pengobatan atau kontrol kehamilan sebelum masa melahirkan. Penelitian ini menggunakan teknik clustering berdasarkan model Recency, Frequency dan Length (RFL) yang masing-masing merupakan periode sejak kunjungan terakhir, jumlah kunjungan, dan lama periode dari kunjungan pertama ke kunjungan terakhir pasien. Nilai Customer Lifetime Value (CLV) diperhitungkan menggunakan RFL untuk menentukan kelompok pasien churn dan non-churn. Dalam kasus ini, CLVmerupakan nilai pasien selama berhubungan dengan RS. Prediksi pasien yang mengalami keguguran dilakukan pada kelompok pasien churn agar pasien yang mengalami keguguran dikategorikan sebagai pasien non-churn. Hasil dari teknik clustering digunakan sebagai target dalam teknik classification. Penelitian terhadap 407 pasien yang ada pada Sistem Informasi RS (SIMRS), menghasilkan k-means dan decision tree yang masing-masing sebagai algoritma clustering dan classification paling akurat, kemudian membentuk model arsitektur CRM-Data Mining yang akurat. Model decision tree paling akurat yang digunakan memiliki nilai akurasi sebesar 71,2%. Variabel waktu tunggu pasien, waktu pasien dilayani oleh dokter dan perawat, kelas kamar pasien saat rawat inap, jumlah jenis perawatan yang dijalani pasien dan dokter yang sering menangani pasien berpengaruh secara signifikan terhadap pasien churn sehingga berguna bagi RS untuk mengambil keputusan dalam mempertahankan pasien.