Pola Komorbiditas Pasien Diabetes Mellitus Tipe II Di Rumah Sakit Imelda Menggunakan Algoritma FP-Growth dan Apriori

Abstract

Diabetes Mellitus Tipe 2 merupakan penyakit kronis yang sering disertai berbagai komorbiditas yang dapat meningkatkan risiko komplikasi, menurunkan kualitas hidup pasien, serta memperberat beban pelayanan kesehatan. Identifikasi pola komorbiditas yang sering muncul menjadi penting sebagai dasar pengambilan keputusan klinis. Penelitian ini bertujuan untuk menganalisis dan membandingkan pola komorbiditas pasien Diabetes Mellitus Tipe II di Rumah Sakit Imelda menggunakan algoritma Apriori dan FP-Growth. Dataset yang digunakan berasal dari data rekam medis sebanyak 758 pasien, yang setelah melalui tahap seleksi dan pembersihan data menghasilkan 664 data transaksi. Proses analisis dilakukan menggunakan teknik Association Rule Mining dengan parameter minimum support 20% dan minimum confidence 60%. Hasil penelitian menunjukkan bahwa kedua algoritma berhasil menemukan pola komorbiditas yang konsisten, dengan jumlah frequent itemset dan aturan asosiasi yang sama. Algoritma Apriori lebih efisien dari sisi waktu komputasi pada dataset berukuran relatif kecil, sedangkan FP-Growth unggul dalam mengidentifikasi pola penyakit yang bersifat umum dan dominan. Pola utama yang ditemukan meliputi kombinasi Diabetes Mellitus Tipe II dengan hipertensi dan dislipidemia, serta pola spesifik yang melibatkan penyakit kardiovaskular dan muskuloskeletal. Hasil penelitian ini diharapkan dapat menjadi pendukung keputusan klinis dalam pencegahan komplikasi dan perencanaan strategi penanganan pasien diabetes.