Analisis Association Rule Untuk Identifikasi Pola Gejala Penyakit Hipertensi Menggunakan Algoritma Apriori (Studi Kasus: Klinik Rafina Medical Center)

Abstract

Hipertensi didefinisikan sebagai penyakit krnis yang dapat menyebabkan tekanan darah meningkat melebihi 140/90 mmHg. Tidak adanya gejala spesifik dari penyakit hipertensi dapat menyebabkan penyakit yang serius atau komplikasi pada penderita hipertensi, oleh karena itu hipertensi dapat dilakukan sebagai "silent killer". Klinik Rafina Medical Center merupakan suatu fasilitas kesehatan tingkat pertama di Kabupaten Purwakarta, Jawa Barat. Penyakit hipertensi dari tahun 2020 sampai awal tahun 2022 di Klinik Rafina Medical Center selalu termasuk ke dalam 10 diagnosa terbanyak, artinya banyak pasien yang terdiagnosa hipertensi di klinik tersebut, oleh karena itu dilakukan identifikasi menggunakan metode data mining yang bertujuan untuk menghasilkan informasi mengenai pola gejala hipertensi. Metode analisis data pada penelitian ini yaitu metode Knowledge Discovery in Database (KDD). Metode data mining yang digunakan yaitu metode association rule, dimana metode ini dapat mencari dan mengidentifikasi pola asosiasi antar atribut dalam suatu dataset. Algoritma pada penelitian ini adalah algoritma apriori. Tools dalam penelitian ini menggunakan software Orange. Penelitian ini menggunakan minimum support 3%, dan minimum confidence 70% sehingga menghasilkan 2 aturan asosiasi. Aturan asosiasi dengan nilai confidence dan lift ratio tertinggi yaitu High Glucose, Nyeri Tengkuk → Nyeri Kepala artinya jika penderita hipertensi mempunyai riwayat High Glucose, dan merasakan gejala Nyeri Tengkuk, maka penderita hipertensi 98,9% akan merasakan gejala Nyeri Kepala dengan nilai lift ratio sebesar 2,41 yang artinya bahwa aturan asosiasi tersebut valid. Hasil tersebut diharapkan dapat memberikan pengetahuan baru mengenai pola gejala hipertensi sehingga dapat digunakan dalam penyuluhan dan penyediaan obat bagi penderita hipertensi khususnya di Klinik Rafina Medical Center.

Penerapan Algoritma Genetika Dalam Pengelompokan Mahasiswa KKN (Studi Kasus: KKN Angkatan XLII Universitas Mercu Buana Yogyakarta)

“…Hal ini bertujuan untuk mengonfirmasi data publik dan memperoleh informasi tambahan yang tidak terjangkau sebelumnya. Jika ditemukan ketidakvalidan dalam data publik, dilakukan perbaikan untuk menjaga akurasi dan kualitas data [8]. Setelah langkah perbaikan selesai, tahap berikutnya melibatkan permintaan data kredensial yang lebih rinci dan rahasia dari P3MK.…”

“…Misalkan barisan index awal yang berisi 0 hingga 25: [0, 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25] Dengan menggunakan enkripsi ini, data pada posisi yang ditentukan tetap ada dan hanya mengalami perubahan urutan dalam barisan index. Hal ini memungkinkan untuk memuat data dengan referensi index yang sesuai saat evaluasi atau penggunaan data.…”

Komparasi Metode Apriori dan FP-Growth Data Mining Untuk Mengetahui Pola Penjualan

“…Metode association rule merupakan metode untuk mencari pola atau hubungan yang menarik pada suatu data, yang dapat membantu dalam menemukan pola yang sering terjadi, asosiasi, hubungan, dan korelasi dari kumpulan data *) penulis korespondensi: Neni Purwati Email: nenipurwati87@darmajaya.ac.id ISSN: 2477-5126 e-ISSN: 2548-9356 Neni Purwati: Komparasi Metode Apriori dan … 156 pada database transaksional dikenal juga dengan istilah analisis asosiasi, adapun algoritma yang banyak diterapkan untuk mengolah big data antara lain algoritma apriori dan FP-Growth [4].…”

Strategi Peningkatan Penjualan Produk Menggunakan Market Basket Analysis

“…Orange merupakan software bersifat open source yang bisa dipakai pada proses data mining yang didalamnya juga dapat dipakai untuk metode association rule untuk mendapatkan pola yang penting dan menarik dari dataset (Nurzanah et al, 2022).…”