#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""Proyeksi omzet The Skin Code Clinic s/d Desember 2026 — dari rekap Jan–Sep + GSC/GA4.
Semua angka hitungan dihitung di sini (bukan dikira-kira). Asumsi ditulis terbuka di presentasi.
"""
from statistics import mean
WS = "/home/mantapman/.hermes/profiles/atun/workspace"
OUT = f"{WS}/drafts/proyeksi_omzet_tsc.html"
BULAN = ["Januari", "Februari", "Maret", "April", "Mei", "Juni", "Juli", "Agustus", "September"]
OMSET = [82975100, 70157900, 127565650, 125250980, 116770800, 76468200, 80629273, 65757600, 79938400]
PRODUK = [2436400, 2829200, 3058700, 2803000, 2253200, 3797900, 1461500, 685600, 165000]
KONSULTASI = [9200000, 8600000, 13025000, 11325000, 8550000, 7700000, 6750000, 6500000, 8475000]
OBAT = [56827200, 44332200, 72541100, 76246500, 68429500, 50045300, 51904273, 40406500, 52741600]
TREATMENT = [14511500, 14396500, 38940850, 34876480, 37538100, 14925000, 20513500, 18165500, 18556800]
BARU = [63, 56, 66, 73, 56, 38, 48, 44, 45]
LAMA = [59, 49, 89, 93, 71, 63, 67, 61, 59]
TOTAL_PASIEN = [122, 105, 155, 166, 127, 101, 115, 105, 104]
# sumber pasien baru (baris medsos pada rekap)
GOOGLE = [32, 26, 30, 28, 20, 8, 12, 13, 12]
IG = [6, 5, 8, 9, 5, 3, 5, 3, 1]
TIKTOK = [7, 5, 6, 7, 11, 10, 10, 6, 8]
# --- hitungan dasar ---
per_pasien = [round(o / p) for o, p in zip(OMSET, TOTAL_PASIEN)]
rata3_omset = round(mean(OMSET[-3:]))
rata3_omset_3bulan = round(mean(OMSET[:3]))
rata3_pasien = mean(TOTAL_PASIEN[-3:])
rata3_pasien_baru = mean(BARU[-3:])
rata_per_pasien = round(mean(per_pasien[-3:]))
tren_omset = round((OMSET[-1] - OMSET[0]) / 9) # perubahan rata-rata per bulan
tren_baru = round((BARU[-1] - BARU[0]) / 9, 2)
def regresi(y):
"""Kemiringan garis tren sederhana (kuadrat terkecil) + nilai ramalan 3 bulan ke depan."""
n = len(y)
x = list(range(n))
mx, my = mean(x), mean(y)
atas = sum((xi - mx) * (yi - my) for xi, yi in zip(x, y))
bawah = sum((xi - mx) ** 2 for xi in x)
b = atas / bawah
a = my - b * mx
return b, [round(a + b * (n + i)) for i in range(3)]
miring_omset, ramal_omset = regresi(OMSET)
miring_pasien, ramal_pasien = regresi(TOTAL_PASIEN)
# --- tiga skenario Oktober–Desember ---
# 1. Datar: bertahan di rata-rata 3 bulan terakhir (Jul–Sep)
datar = [rata3_omset] * 3
# 2. Tren: mengikuti garis tren 9 bulan terakhir
tren = ramal_omset
# 3. Konsisten + digital: dasar 3 bulan terakhir, ditambah dampak perbaikan digital
# (asumsi: +4 pasien/bulan dari kanal Google kalau profil bisnis & ulasan dijalankan)
tambahan_pasien = 4
digital = [rata3_omset + tambahan_pasien * rata_per_pasien] * 3
skenario = [("Datar (konsisten, tanpa tambahan)", datar, "bertahan di rata-rata Juli–September"),
("Tren 9 bulan berlanjut", tren, "mengikuti garis tren Januari–September"),
("Konsisten + perbaikan digital", digital,
f"dasar rata-rata Juli–September, ditambah {tambahan_pasien} pasien/bulan dari kanal digital "
f"(asumsi, nilai transaksi Rp {rata_per_pasien:,}/pasien)".replace(",", "."))]
html = f"""
Proyeksi Omzet The Skin Code Clinic s/d Desember 2026
The Skin Code Clinic · Proyeksi omzet Oktober–Desember 2026
Proyeksi omzet hingga akhir tahun
Disusun 14 Oktober 2026. Sumber angka: rekap operasional klinik Januari–September 2026
(omset, komponen layanan, jumlah pasien, sumber pasien) dan data digital klinik dari Search
Console serta GA4.
Semua angka dihitung dari rekap yang Anda kirim. Satu asumsi
yang saya pakai — tambahan empat pasien per bulan dari kanal digital pada skenario terbaik — ditulis
terbuka di halaman 5 supaya bisa Anda ubah.
Halaman 1 · Basis data nyata
Yang terjadi Januari–September
| Bulan | Omset | Pasien |
Omset/pasien | Pasien baru |
|---|
"""
for i, b in enumerate(BULAN):
html += (f" | {b} | Rp {OMSET[i]:,} | {TOTAL_PASIEN[i]} | "
f"Rp {per_pasien[i]:,} | {BARU[i]} |
\n".replace(",", "."))
html += f""" | Rata-rata | Rp {round(mean(OMSET)):,} |
{round(mean(TOTAL_PASIEN))} | Rp {round(mean(per_pasien)):,} |
{round(mean(BARU))} |
|---|
| Rata-rata Juli–September | Rp {rata3_omset:,} |
{round(rata3_pasien)} | Rp {rata_per_pasien:,} |
{round(rata3_pasien_baru)} |
|---|
Bacaan singkat
- Puncak omset ada di Maret–Mei (Rp 116–127 juta). Setelah itu menurun dan stabil di
Rp 76–81 juta sejak Juni.
- Jumlah pasien Juli–September rata-rata {round(rata3_pasien)} orang, dengan
{round(rata3_pasien_baru)} pasien baru per bulan.
- Omset per pasien Juli–September sekitar Rp {rata_per_pasien:,} — angka ini yang dipakai
menghitung dampak tiap pasien tambahan.
Halaman 2 · Sumber: rekap operasional klinik
Dari mana pasien barunya datang
| Bulan | Google | Instagram |
TikTok | Teman/Keluarga |
Rujukan | Total baru |
|---|
"""
for i, b in enumerate(BULAN):
tk = round(BARU[i] - GOOGLE[i] - IG[i] - TIKTOK[i])
html += (f" | {b} | {GOOGLE[i]} | {IG[i]} | "
f"{TIKTOK[i]} | — | "
f"{BARU[i]} |
\n")
html += f"""
Yang penting dari tabel ini
- Pasien baru dari Google turun dari 32 (Januari) menjadi 12 (September) — sejalan
dengan penyempitan jangkauan situs yang terlihat di Search Console.
- Pasien dari Instagram hampir hilang: 6 di Januari, 1 di September.
- TikTok paling stabil (7–10 per bulan) dan bisa jadi kanal paling tahan-tahan saat ini.
- Artinya: penurunan omset sejak Juni punya kaitan langsung dengan menurunnya pasien dari Google
dan Instagram.
Halaman 3 · Sumber pasien baru menurut rekap klinik
Komposisi omset: apa yang menopang
| Komponen | Januari | Juni |
September | Rata-rata 9 bulan |
|---|
| Obat penyakit kulit/kelamin | Rp {OBAT[0]:,} | Rp {OBAT[5]:,} |
Rp {OBAT[8]:,} | Rp {round(mean(OBAT)):,} |
| Treatment/tindakan kulit | Rp {TREATMENT[0]:,} | Rp {TREATMENT[5]:,} |
Rp {TREATMENT[8]:,} | Rp {round(mean(TREATMENT)):,} |
| Konsultasi | Rp {KONSULTASI[0]:,} | Rp {KONSULTASI[5]:,} |
Rp {KONSULTASI[8]:,} | Rp {round(mean(KONSULTASI)):,} |
| Produk | Rp {PRODUK[0]:,} | Rp {PRODUK[5]:,} |
Rp {PRODUK[8]:,} | Rp {round(mean(PRODUK)):,} |
Semua nilai di tabel ini saya bulatkan ke rupiah penuh.
Temuan
- Obat menyumbang sekitar {round(mean(OBAT) / mean(OMSET) * 100)}% omset. Ini
penopang utama, dan siklusnya berulang karena pasien kontrol.
- Treatment turun tajam sejak Juni (Rp {TREATMENT[4]:,} → Rp {TREATMENT[8]:,}).
Di sinilah perbaikan konten dan promosi paling berpengaruh.
- Produk hampir hilang: dari Rp {PRODUK[0]:,} (Januari) menjadi Rp {PRODUK[8]:,} (September).
Halaman 4 · Sumber: rekap operasional klinik (baris komponen)
Proyeksi Oktober–Desember
| Skenario | Oktober | November |
Desember | Total 3 bulan |
|---|
"""
for nama, seri, dasar in skenario:
html += (f" {nama}
{dasar} | "
f"Rp {seri[0]:,} | Rp {seri[1]:,} | "
f"Rp {seri[2]:,} | Rp {sum(seri):,} | "
f"
\n".replace(",", "."))
html += f"""
Dampak tiap tambahan pasien
Dengan omset per pasien Rp {rata_per_pasien:,}, setiap satu pasien tambahan per bulan berarti
sekitar Rp {rata_per_pasien:,} per bulan atau
Rp {rata_per_pasien * 3:,} untuk tiga bulan.
Skenario “tren berlanjut” memakai garis tren Januari–September apa adanya —
saya tidak menambahkan perbaikan apa pun ke dalamnya. Skenario ketiga menambahkan
{tambahan_pasien} pasien per bulan dari kanal digital, dan itu asumsi yang perlu Anda setujui.
Halaman 5 · Proyeksi berbasis rekap Januari–September
Digital: kenapa pasien dari Google menurun, dan apa yang bisa dikembalikan
| Ukuran digital | 28 hari terakhir | 90 hari |
|---|
| Klik dari pencarian | 33 | 104 |
| Tayangan di pencarian | 1.647 | 6.103 |
| Posisi rata-rata | 6,4 | 7,0 |
| Ulasan profil bisnis | 131 | — |
Kueri «dokter kulit krian» ada di posisi 1,2 tetapi hanya
menghasilkan 1 klik. Kueri lokal seperti ini dijawab Google dengan peta, dan pasien menelepon dari
kartu bisnis di peta itu. Karena itu menambah ulasan dan melengkapi profil bisnis lebih menentukan
daripada menambah artikel.
- Klinik punya 131 ulasan (rating 5,0); Alamanda di ruko yang sama punya 858 ulasan.
- Situs muncul {1765:,} kali per bulan di pencarian; menaikkan tingkat klik dari 2% ke 6%
berarti tambahan sekitar 71 kunjungan per bulan — tanpa satu artikel baru pun.
- Empat halaman belum diindeks Google, termasuk panduan berobat dan biaya.
Halaman 6 · Sumber: Search Console, GA4, dan peta Google
Kalau pekerjaan digital dijalankan
| Langkah | Perkiraan tambahan pasien/bulan | Nilai per bulan |
|---|
| Ulasan profil bisnis (+30–50 per bulan) | 3–5 pasien |
Rp {3 * rata_per_pasien:,} – Rp {5 * rata_per_pasien:,} |
| Profil bisnis lengkap + posting mingguan | 1–3 pasien |
Rp {rata_per_pasien:,} – Rp {3 * rata_per_pasien:,} |
| Pengindeksan halaman yang belum terbaca | 1–2 pasien |
Rp {rata_per_pasien:,} – Rp {2 * rata_per_pasien:,} |
Kolom tambahan pasien adalah perkiraan berbasis kondisi peta dan pencarian
klinik saat ini, bukan hasil ukur. Angka rupiahnya mengalikan taksiran itu dengan omset per
pasien Rp {rata_per_pasien:,}.
Halaman 7 · Pengungkit digital dan nilainya
Ringkasan
| Skenario | Omset Oktober–Desember | Rata-rata per bulan |
|---|
"""
for nama, seri, dasar in skenario:
html += (f" | {nama} | Rp {sum(seri):,} | "
f"Rp {round(mean(seri)):,} |
\n".replace(",", "."))
html += f"""
Kesimpulan: tanpa perubahan apa pun, omset
Oktober–Desember berada di kisaran Rp {sum(datar):,}. Penurunan sejak Juni berjalan
seiring turunnya pasien dari Google (32 → 12 per bulan) dan Instagram (6 → 1). Karena obat menyumbang
sekitar {round(mean(OBAT) / mean(OMSET) * 100)}% omset dan pasien kontrol berulang, menjaga kedatangan
pasien baru adalah kunci menjaga angka ini.
Yang perlu diputuskan
- Menjalankan pengejaran ulasan (30–50 per bulan) — pengungkit terbesar, butuh staf klinik.
- Menyetujui atau mengubah asumsi {tambahan_pasien} pasien tambahan per bulan pada skenario terbaik.
- Memasang pencatatan klik WhatsApp dan telepon, supaya proyeksi berikutnya berbasis hasil ukur.
- Memutuskan apakah irama artikel harian dilanjut setelah 20 Oktober.
Halaman 8 · Ringkasan dan keputusan
"""
open(OUT, "w").write(html)
print(f"HTML: {OUT}")
print(f"rata-rata Juli-Sep: Rp {rata3_omset:,} · pasien {round(rata3_pasien)} · per pasien Rp {rata_per_pasien:,}")
print(f"tren omset per bulan: {tren_omset:,} · tren pasien baru: {tren_baru}")
for nama, seri, _ in skenario:
print(f" {nama:<34} {[f'{x:,}' for x in seri]} total {sum(seri):,}")