Penerapan Association Rule Mining Dalam Melihat Pola Kesehatan Pada Penderita Stroke Menggunakan Metode Apriori

Abstract

Stroke merupakan gangguan fungsi otak yang serius dan dapat berakibat fatal, menjadi penyebab utama kematian dan kecacatan di Indonesia. Dalam upaya memahami pola kesehatan pada penderita stroke, penerapan teknologi data mining, terutama melalui metode Association Rule Mining dengan algoritma Apriori, menjadi penting. Data mining memungkinkan identifikasi hubungan dan pola yang tersembunyi dalam data medis penderita stroke, memberikan wawasan berharga untuk perawatan dan pencegahan penyakit. Penelitian ini bertujuan untuk mengeksplorasi potensi metode Apriori dalam Association Rule Mining untuk memahami pola kesehatan pada penderita stroke, dengan harapan memberikan perawatan yang lebih efektif dan pencegahan yang lebih tepat. Dalam kesimpulan, hasil pengujian dan simulasi dengan algoritma Apriori serta aplikasi Weka menghasilkan 21 Aturan Terbaik yang menunjukkan sub-variabel saling berkaitan dengan nilai Support di atas 65% dan Confidence di atas 90%, mengindikasikan pola yang sering terjadi dalam data pasien stroke yang diteliti.