<![CDATA[Klinik Tirta Medika menghadapi tantangan dalam manajemen stok obat akibat ketidakpastian antara diagnosa penyakit dan kebutuhan obat yang seringkali menyebabkan overstock atau stockout. Penelitian ini bertujuan untuk menganalisis pola asosiasi pemberian obat berdasarkan diagnosa penyakit dengan mengintegrasikan teknik Synthetic Minority Over-sampling Technique (SMOTE) dan algoritma Frequent Pattern Growth (FP-Growth). Masalah utama dalam data medis adalah ketidakseimbangan data (imbalanced data), di mana diagnosa tertentu sangat dominan sementara yang lain jarang muncul, sehingga menimbulkan bias pada hasil analisis. Metodologi yang digunakan mengikuti kerangka Knowledge Discovery in Database (KDD) terhadap 20.973 rekam medis periode Desember 2024–Desember 2025. Hasil penelitian menunjukkan bahwa penggunaan SMOTE efektif dalam meningkatkan representasi diagnosa minoritas tanpa menghilangkan akurasi. Algoritma FP-Growth berhasil mengidentifikasi aturan asosiasi dengan nilai lift ratio yang signifikan (hingga 32.24 pada diagnosa kronis). Simpulan dari penelitian ini adalah integrasi SMOTE dan FP-Growth mampu menghasilkan pola pemberian obat yang lebih representatif dan akurat, yang dapat digunakan sebagai landasan pengambilan keputusan untuk optimalisasi stok obat di klinik.]]>
Copyrights © 2026
