Sequential Pattern Mining Data Pemeriksaan Pasien Menggunakan Algoritma SPADE (Sequential Pattern Using Discovery Equivalent Classes) Studi Kasus BPI Albasrah Wajak

  • Silmi Khashaish Fillah Program Studi Sistem Informasi, Universitas Negeri Surabaya
  • Dedy Rahman Prehanto Program Studi Sistem Informasi, Universitas Negeri Surabaya
Keywords: data mining, spade, spade algorithm, sequential pattern mining, lift ratio

Abstract

Tidak bisa dipungkiri bahwa kemajuan teknologi saat ini terus mengalami peningkatan. Dengan adanya kemajuan teknologi, perusahaan atau organisasi manapun dapat mengumpulkan data dari berbagai sumber dengan cepat dan mudah. Semakin besar dan luasnya data yang dimiliki oleh suatu perusahaan atau organisasi tersebut, maka semakin besar peluang masalah yang akan muncul. Begitu juga dengan sebuah tempat pelayanan kesehatan masyarakat seperti klinik. Semakin banyak data pemeriksaan medis, semakin banyak pula sesuatu yang bisa diolah sehingga dapat menghasilkan suatu ramalan ataupun prediksi. Pada kasus ini yaitu data pemeriksaan medis pasien di BPI Albasrah Wajak. Salah satu metode data mining yang dapat diterapkan yaitu sequential pattern mining dengan menggunakan algoritma SPADE (Sequential Patterm Using Discovery Equivalent Classes). Metode ini menggambarkan pola urutan kedatangan pasien dalam waktu yang relatif cepat. Algoritma SPADE akan mencari frequent sequences dari data pemeriksaan pasien dengan menggunakan database vertikal. Hasil dari penelitian ini menghasilkan beberapa rule yang ditentukan oleh nilai minimum support, minimum confidence, dan nilai lift ratio. Sehingga dari penelitian ini dapat diambil kesimpulan bahwa algoritma SPADE terbukti secara akurat dengan presentase sebesar 71,43% untuk mencari pola sekuensial dari data pemeriksaan pasien untuk mengetahui kedatangan kembali pasien ke BPI Albasrah Wajak pada waktu yang akan datang.

Published
2021-12-31
Section
Articles
Abstract View: 166
PDF Download: 118