SEQUENTIAL PATTERN MINING DATA PEMERIKSAAN PASIEN MENGGUNAKAN ALGORITMA SPADE (SEQUENTIAL PATTERN USING DISCOVERY EQUIVALENT CLASSES) STUDI KASUS BPI ALBASRAH WAJAK

SEQUENTIAL PATTERN MINING PATIENT EXAMINATION DATA USING THE SPADE ALGORITHM (SEQUENTIAL PATTERN USING DISCOVERY EQUIVALENT CLASSES) CASE STUDY OF BPI ALBASRAH WAJAK

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 untuk membuat data tersebut menjadi suatu informasi yang bermanfaat. 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.

It is undeniable that current technological advances continue to increase. With the advancement of technology, any company can collect data from many sources quickly and easily. The more data owned by a company, the more opportunities to turn data into useful information, such as a public health service named clinic. The more examinations of medical data, the more things that can be processed into predictions and forecasts. In this case, the study is about patient medical examination data at BPI Albasrah Wajak. One of the data mining methods that can be applied is sequential pattern mining using SPADE (Sequential Pattern Using Discovery Equivalent Classes) Algorithm. This method describes the order pattern of patient arrivals in a relatively fast. The SPADE Algorithm will search frequent sequences of patient medical examination data using vertical database. The results of this research produce several rules that are determined by minimum support value, minimum confidence value, and lift ratio. From this study, it can be concluded that sequential pattern mining using SPADE Algorithm is proven accurate with a percentage of 71.43% to find sequential patterns form patient medical examination data and to determine patient arrivals for come back at BPI Albasrah Wajak in the future.