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

Main Article Content

Nola Ritha
Eka Suswaini
Wisnu Pebriadi

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.

Article Details

Section
Articles

References

[1] U. Kholili, “Pengenalan ilmu rekam medis pada masyarakat serta kewajiban tenaga kesehatan di rumah sakit,” J. Kesehat. Komunitas, vol. 1, no. 2, pp. 60–72, 2011.
[2] Y. Sudriani, “Data Mining : Tren Analisa Data Berskala Besar Terkait Penelitian EKologi,” Warta Limnologi No. 56, 2016.
[3] K. Erwansyah, B. Andika, and R. Gunawan, “Implementasi Data Mining Menggunakan Asosiasi Dengan Algoritma Apriori Untuk Mendapatkan Pola Rekomendasi Belanja Produk Pada Toko Avis Mobile,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 4, no. 1, pp. 148–161, 2021.
[4] F. D. Dewi and K. Agustina, “Analisis Sistem Pelayanan Rekam Medis Rawat Inap di RSUP Dr. Kariadi Semarang Tahun 2016,” J. Vokasi Indones., vol. 5, no. 2, pp. 29–37, 2017.
[5] World Health Organization, International Statistical Classification of Diseases and Related Health Problems, 10th Revision, Volume 2. 2010.
[6] N. Yuliani, “Analisis Keakuratan Kode Diagnosis Penyakit Commotio Cerebri Pasien Rawat Inap Berdasarkan ICD-10 Rekam Medik Di Rumah Sakit Islam Klaten,” J. Ilm. Rekam Medis dan Inform. Kesehat., vol. 1, no. 1, pp. 17–31, 2010.
[7] S. Dash, S. K. Shakyawar, M. Sharma, and S. Kaushik, “Big data in healthcare: management, analysis and future prospects,” J. Big Data, vol. 6, no. 1, pp. 1–25, 2019.
[8] A. M. Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, 2020, doi: 10.33096/ijodas.v1i2.11.
[9] M. H. Tekieh and B. Raahemi, “Importance of data mining in healthcare: a survey.,” 2015.
[10] I. Irawan, “Penerapan Aturan Asosiasi Dengan Algoritma Apriori Untuk Mengetahui Pola Resep Obat Pada Penyakit Diabetes Melitus (Studi Kasus Rumah Sakit Umum Daerah Bangkinang),” Riau J. Comput. Sci., vol. 3, no. 1, pp. 71–80, 2017.
[11] Haryati, N. Ransi, and Y. P. Pasrun, “Penerapan Metode CBA (Classificaton Based On Association Rule) Menggunakan Algoritma Apriori Untuk Klasifikasi Penyakit ISPA (Infeksi Saluran Pernapasan Akut),” semanTIK, vol. 3, no. 2, pp. 31–38, 2017.