Penerapan Algoritma Equivalence Class Transformation (Eclat) Dalam Pencarian Adverse Event Obat Diphenhydramine

Abstract

Obat merupakan zat yang dapat menyembuhkan suatu penyakit. Peredaran obat di Indonesia diatur ke dalam beberapa golongan seperti obat golongan bebas, obat bebas terbatas, obat wajib apotik, obat keras, psikotropika dan narkotika. Obat golongan bebas dapat dibeli secara bebas oleh masyarakat untuk menangani suatu penyakit secara singkat. Obat diphenhydramine merupakan salah satu jenis obat golongan bebas yang berguna dalam menangani alergi, batuk, pilek dan obat tidur. Obat diphenhydramine memiliki banyak manfaat namun risiko, efek samping dan adverse event masih belum diketahui. Pada penelitian ini menggunakan data obat diphenhydramine Adverse Event Reporting System milik Food and Drug Administration Amerika Serikat (FAERS FDA) dari tahun 2016 hingga 2020 dengan 4 quarter pertahun serta 8 atribut dari 3 tabel untuk mencari adverse event dengan menggunakan algoritma Equivalence Class Transformation (ECLAT) dengan menerapkan metode Knowledge Discovery in Database (KDD). Pengujian yang dilakukan pada hasil penelitian ini menggunakan lift ratio untuk mengetahui kekuatan rule yang dihasilkan. Penelitian ini menghasilkan 2 jenis itemset, yaitu dengan menggunakan pengujian 2 itemset dengan mininum support 0.1% minimum cofidence 0.1% menghasilkan 416 rule, dan pengujian minimum support 1% minimum cofidence 1% menghasilkan 43 rule. Kemudian dilakukan pengujian dengan menggunakan 3 item set menggunakan minimum support 0.1% dan minimum cofidence 0.1% menghasilkan 882 rule.

Analysis of the Influence of Business Intelligence on Beverage Sales Konnichiwa Coffee Using the Method Equivalence Class Transformation

“…Association rule didapati dengan menganalisis frequent pattern atau pola paling sering muncul menggunakan parameter support dan confidence dalam menentukan hubungan yang paling penting. Rumus untuk menghitung nilai support menurut Mardatillah [20] dari satu item adalah seperti berikut.…”