<![CDATA[Abstrak Studi ini bertujuan untuk mengeksplorasi pola hubungan multivariabel dalam data layanan kesehatan sintetis menggunakan algoritma Apriori, sebuah teknik populer di bidang penambangan data. Dalam konteks sistem layanan kesehatan yang semakin berbasis data, mengidentifikasi hubungan yang bermakna di antara atribut pasien—seperti kondisi medis, kelompok usia, jenis rawat inap, dan kategori biaya rawat inap—sangat penting untuk mendukung pemberian layanan yang efisien. Dataset yang digunakan dalam studi ini menjalani beberapa tahap praproses, termasuk pembersihan data, kategorisasi usia dan biaya, serta pengodean one-hot fitur kategoris untuk memfasilitasi penambangan aturan asosiasi. Melalui implementasi algoritma Apriori, beberapa aturan asosiasi ditemukan, disertai dengan metrik utama seperti dukungan, kepercayaan diri, dan peningkatan. Pola penting termasuk hubungan antara rawat inap Diabetes dan UGD, serta antara pasien Usia Pertengahan dan biaya rawat inap Tinggi. Visualisasi, termasuk diagram batang dan grafik jaringan, digunakan untuk meningkatkan interpretabilitas dan menyajikan hubungan item secara lebih intuitif. Meskipun nilai lift yang dihasilkan berkisar antara 1,01 dan 1,03—menunjukkan korelasi yang relatif lemah—temuan ini tetap relevan untuk strategi segmentasi awal dan pengambilan keputusan berbasis data di rumah sakit atau klinik. Penelitian ini menunjukkan bahwa algoritma Apriori dapat mengekstrak secara efektif.]]>
Copyrights © 2025
