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. Di Klinik Rafina Medical Center sendiri penyakit hipertensi dari tahun 2020 sampai awal tahun 2022 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. Hasil dari penelitian ini berupa aturan asosiasi atau pola gejala hipertensi, sehingga dari 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 .