Penerapan Association Rule Menggunakan Algoritma Apriori Pada Poliklinik Penyakit Dalam (Studi Kasus: Rumah Sakit Umum Daerah Bintan)

Abstract

Rekam Medis merupakan berkas yang berisi tentang identitas pasien, pemeriksaan, pengobatan, tindakan serta pelayanan yang diberikan kepada pasien. Data rekam medis seiring waktu akan terakumulasi setiap hari seiring dengan aktivitas di rumah sakit. Selama ini data rekam medis yang tersedia di Rumah Sakit Umum Daerah Bintan hanya menampilkan informasi berupa data statistik maupun grafik. Sedangkan, pola dan kecenderungan penyakit yang diderita oleh pasien masih belum di gali untuk dijadikan acuan untuk penyuluhan ke masyarakat maupun sebagai pencegahan penyakit, terutama data rekam medis yang berasal dari Poliklinik Penyakit Dalam. Poliklinik Penyakit Dalam merupakan salah satu Poliklinik yang banyak melayani pasien di Rumah Sakit Umum Daerah Bintan, sehingga data rekam medis yang berasal dari Poliklinik Penyakit Dalam belum bisa digali secara maksimal. Pada penelitian ini penulis melakukan penerapan Algoritma Apriori dalam menentukan aturan asosiasi berdasarkan jenis kelamin, umur, kelurahan, dan kode ICD10. Dengan menggunakan data sebanyak 1668 dan menggunakan minimal support sebesar 6% dan minimal confidence sebesar 50%, kemudian didapatkan hasil aturan asosiasi sebanyak 22 aturan. Aturan asosiasi yang dihasilkan pada penelitian ini dapat digunakan oleh pihak rumah sakit maupun pihak dinas kesehatan untuk melakukan sosialisasi dan penyuluhan kesehatan kepada masyarakat.

Penerapan Algoritma Fp-Growth Untuk Mengetahui Pola Pembelian Konsumen Di Warung Makan Dede

“…Aturan asosiasi berisi dua tahap. Ini berarti menemukan kombinasi kumpulan elemen yang paling sering muncul dan (untuk aturan asosiasi bersyarat) menentukan kondisi dan hasil [6] Aturan asosiasi menjelaskan seberapa sering produk dibeli secara bersamaan. Contoh: Pelanggan membeli Gula (A).…”

Penerapan Algoritma Fp-Growth Untuk Menentukan Pola Pembelian Makanan Di Warmindo

“…Assosiation rules mining merupakan metode dalam data mining yang digunakan untuk menemukan aturan suatu kombinasi items. Salah satu langkah dalam analisis asosiasi yang paling banyak menarik perhatian para peneliti ialah analisis Frequent Pattern Growth [7]. Aturan asosiasi adalah proses data mining yang bertujuan untuk mengidentifikasi semua aturan asosiatif yang telah memenuhi persyaratan minimum untuk support (minsup) dan confidence (minconf) pada suatu basis data [8].…”

Sales Analysis Using Apriori Algorithm in Data Mining Application on Food and Beverage (F&B) Transactions

“…Ketika membaca tiap item dari seluruh transaksi, selain mendapatkan item-item baru juga dilakukan perhitungan nilai support item-item yang sudah ditemukan, sehingga untuk mendapatkan candidate 1-itemset beserta nilai support-nya cukup membutuhkan satu kali pembacaan data [12]. Algoritma apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya agar dapat memproses informasi selanjutnya dan mengidentifikasi kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan minimum confidence [19].…”