ANALISIS POLA PENYAKIT BERDASARKAN DATA PASIEN DI UPT PUSKESMAS TANJUNG TIRAM MENGGUNAKAN ALGORITMA APRIORI
DOI:
https://doi.org/10.54314/jssr.v8i4.4884Abstrak
Abstract: This study discusses the application of the Apriori algorithm to analyze the pattern of relationships between diseases in patient medical record data at UPT Puskesmas Tanjung Tiram. Medical records serve as an important source of information to support medical decision-making, particularly in identifying diseases that frequently occur together. This study utilized 365 outpatient medical record data, which were processed using Python and integrated with PHP as a web-based interface. The parameters used in the Apriori algorithm include a minimum support of 10%, a minimum confidence of 50%, and a minimum lift of 1.2. The results of the analysis revealed four significant disease patterns, namely hypertension ? fever, acute respiratory infection (ARI) ? fever, gout ? fever, and cholesterol ? fever, indicating strong associations among these diseases. The developed system can display analytical results quickly, accurately, and interactively, making it useful in supporting diagnosis processes and medical decision-making at healthcare centers. This research is expected to contribute to the utilization of data mining for disease pattern analysis and the development of web-based health recommendation systems.
Keyword: apriori algorithm, data mining, PHP, python, disease patterns, medical records
Abstrak: Penelitian ini membahas penerapan algoritma Apriori untuk menganalisis pola keterkaitan antar penyakit pada data rekam medis pasien di UPT Puskesmas Tanjung Tiram. Data rekam medis merupakan sumber informasi penting dalam mendukung pengambilan keputusan medis, terutama untuk mengidentifikasi penyakit yang sering muncul secara bersamaan. Penelitian ini menggunakan 365 data rekam medis pasien rawat jalan yang diolah dengan bantuan Python dan diintegrasikan dengan PHP sebagai antarmuka web. Parameter yang digunakan pada algoritma Apriori meliputi minimum support sebesar 10%, minimum confidence sebesar 50%, dan minimum lift sebesar 1.2. Hasil analisis menunjukkan terdapat empat pola penyakit signifikan, yaitu hipertensi ? demam, ISPA ? demam, asam urat ? demam, dan kolesterol ? demam, dengan tingkat keterkaitan yang kuat. Sistem yang dibangun mampu menampilkan hasil analisis secara cepat, akurat, dan interaktif, sehingga dapat dimanfaatkan untuk mendukung proses diagnosis dan pengambilan keputusan medis di lingkungan Puskesmas. Penelitian ini diharapkan memberikan kontribusi dalam pemanfaatan data mining untuk analisis pola penyakit serta pengembangan sistem rekomendasi kesehatan berbasis web.
Kata kunci: algoritma apriori, data mining, PHP, python, pola penyakit, rekam medis
Unduhan
Referensi
Ananda, Y., Sembiring, B., & Sembiring, E. A. (2023). Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang. 1(1), 1–8.
Aslyza, M. (2025). MANAJEMEN DATA BERBASIS DATABASE : SOLUSI UNTUK PENYIMPANAN DAN AKSES DATA YANG LEBIH EFISIEN. 2(3), 909–917.
Kristanto, K., & Indonesia, U. K. (2023). Analisis data kesehatan menggunakan big data pada bidang kesehatan. December.
Leman, D. (2024). Sistem Cerdas Rekomendasi Klinik Pratama di Kota Medan Berbasis Data Mining Dengan Metode K-Means Untuk Pasien BPJS dan Umum. September, 204–214.
Luhur, U. B., Raya, J. C., Utara, P., & Selatan, J. (2020). Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Pola Penjualan Obat 1,2. 7(2).
Ma, H., Ding, J., Liu, M., & Liu, Y. (2022). Connections between Various Disorders : Combination Pattern Mining Using Apriori Algorithm Based on Diagnosis Information from Electronic Medical Records. 2022.
Nuryawan, F. (2024). Analisis pola minat konsumen dengan algoritma apriori. 15(2), 269–276.
Permenkes. (2014). Permenkes No 75 Tahun 2014.
Ritha, N., Suswaini, E., & Pebriadi, W. (2021). Penerapan Association Rule Menggunakan Algoritma Apriori Pada Poliklinik Penyakit Dalam ( Studi Kasus : Rumah Sakit Umum Daerah Bintan ). 7(November), 222–230. https://doi.org/10.34128/jsi.v7i2.329
Rusmina, E., Sihombing, V., & Juledi, A. P. (2024). Analisis Keterkaitan Antara Gejala Penyakit Menggunakan Algoritma Apriori dalam Bidang Kesehatan. 7, 337
