DATA MINING PELAYANAN

KESEHATAN

D3 Rekam Medis dan Informasi Kesehatan

Pertemuan 9 – Association Rule Mining
Machine Learning adalah…

• Sebuah studi yang memberikan komputer kemampuan untuk belajar tanpa di

program secara eksplisit
(Arthur Samuel, 1959)

• Sebuah teknik analisis data yang mengajarkan komputer untuk melakukan apa
yang alami bagi manusia dan hewan: belajar dari pengalaman
(https://mathworks.com/discovery/machine-learning.html)
Kapan kita membutuhkan Machine Learning?
Mengapa kita membutuhkan Machine Learning?

Machine Learning digunakan ketika strategi pemrograman biasa tidak

dapat digunakan untuk menyelesaikan masalah yang sangat kompleks
dan dengan data yang besar.
Machine Learning adalah sebuah Algoritma yang…
• Mempelajari data
• Mengidentifikasi pola dalam data
• Menyimpan hasil pembelajaran kedalam sebuah model data
• Memprediksi data baru
“ Kecerdasan Buatan dapat didefinisikan sebagai area / bagian
dari ilmu komputer yang menekankan pada pembuatan mesin
cerdas yang dapat bekerja dan bereaksi seperti manusia
Penerapan Machine Learning

• Prediksi waktu • Prediksi customer • Analisa sentiment

maintenance mesin yang produktif pelayanan fasyankes
• Optimasi Mesin • Prediksi stok • Prediksi penyakit
• Prediksi pendapatan Gudang • Prediksi stok obat dll
(Administrasi RS)

Manufaktur Retail Healthcare

• Supervised Learning adalah model pembelajaran yang memiliki
data yang dilatih dan terdapat variabel target (tujuan jelas) atau
mengelompokkan data ke sesuatu yang sudah ada

• Unsupervised Learning adalah model pembelajaran yang tidak

memiliki data yang dilatih serta variabel tujuan tidak jelas
Contoh
• Supervised Learning
• Menkategorikan hewan kedalam jenis omnivora, herbivora dan
karnivora
• Apakah surat yang masuk termasuk spam atau bukan

• Unsupervised Learning
• Mengelompokkan sekumpulan buku yang abstrak kedalam
beberapa kategori
• Mengelompokkan tweet yang muncul hari ini kedalam beberapa
topik
Association Rule

• Association rule (Market Basket Analysis) adalah sebuah metode yang

digunakan untuk mengetahui hubungan asosiatif atau korelasi yang
menarik antar item
Gambaran Hubungan Asosiatif Antar Item

• Jika membeli maka akan membeli

• Artinya terdapat hubungan asosiasi antara roti dengan selai dimana

jika seseorang membeli roti maka juga akan membeli selai
Parameter Association Rule
• Itemset
• Satu atau himpunan barang
• Ex = {Milk, Bread, Diaper}
• Support
• Rasio jumlah transaksi yang memuat itemset
• Ex : s({Milk, Bread, Diaper}) = 2/5
TID Items
1 Bread, Milk
2 Bread, Diaper, Beer, Eggs
3 Milk, Diaper, Beer, Coke
4 Bread, Milk, Diaper, Beer
5 Bread, Milk, Diaper, Coke
 Parameter Association Rule
• Confidence
• Ukuran seberapa sering items dalam Y TID Items
muncul dalam transaksi yang mengandung X 1 Bread, Milk
Example: 2 Bread, Diaper, Beer, Eggs
{Milk , Diaper}  Beer 3 Milk, Diaper, Beer, Coke
 (Milk , Diaper, Beer ) 2 4 Bread, Milk, Diaper, Beer
s   0.4
|T| 5 5 Bread, Milk, Diaper, Coke
 (Milk, Diaper, Beer ) 2
c   0.67
 (Milk , Diaper ) 3
Contoh Kasus

• Diberikan satu set transaksi, tentukan 3 barang yang akan dibeli

secara bersamaan
Market-Basket transactions
TID Items
1 Bread, Milk
2 Bread, Diaper, Beer, Eggs
3 Milk, Diaper, Beer, Coke
4 Bread, Milk, Diaper, Beer
5 Bread, Milk, Diaper, Coke
Langkah 1 : Tentukan Nilai Minimum Support dan
Minimum Confidence
Langkah 1

• Misalkan

• Minimum support = 60% (0.6)

• Minimum confidence = 50% (0.2)

Langkah 2 : Generate 1-Itemset dan hitung support
count dari Masing – masing Item
Langkah 2

• Bread = 4/5 = 0.8

TID
1
Items
Bread, Milk
Support • Milk = 4/5 = 0.8
2 Bread, Diaper, Beer, Eggs
• Diaper = 4/5 = 0.8
3 Milk, Diaper, Beer, Coke
4 Bread, Milk, Diaper, Beer • Beer = 3/5 = 0.6
5 Bread, Milk, Diaper, Coke
• Coke = 2/5 = 0.4
• Eggs = 1/5 = 0.4
Langkah 3 : Generate 2-Itemset dari hasil langkah
sebelumnya dan hitung support count dari masing –
masing Item
Langkah 3
• 2 - Itemset
• 1-Itemset Support • {Bread, Milk} = 3/5
• {Bread, Beer} = 2/5
• Bread = 4/5 • {Bread, Diaper} = 3/5
• Milk = 4/5 • {Milk, Beer} = 2/5
• Diaper = 4/5 • {Milk, Diaper} = 3/5
• {Beer, Diaper} = 3/5
• Beer = 3/5
Langkah 4 : Generate 3-Itemset dari hasil langkah sebelumnya dan
hitung support count dari masing – masing Item
Langkah 4

• 2 - Itemset
• {Bread, Milk} = 3 Support • 3 - Itemset
• {Bread, Diaper} = 3 • {Bread, Milk, Diaper}
• {Milk, Diaper} = 3
• {Beer, Diaper} = 3
Langkah 5 : Generate rule dan Hitung Confidence
Langkah 5

• Buat himpunan bagian itemset dari hasil langkah 4 :

• {Bread}
• {Milk}
• {Diaper}
• {Bread, Milk}
• {Bread, Diaper}
• {Milk, Diaper}
Langkah 5

• Buat rule nya dan hitung confidence

• {Bread}  {Milk, Diaper} = 2 / 4
• {Milk}  {Bread, Diaper} = 2/3
• {Diaper}  {Bread, Milk} = 2/4
• {Bread, Milk}  {Diaper} = 2 / 3
• {Bread, Diaper}  {Milk} = 2/3
• {Milk, Diaper}  {Bread} = 2/3
TID Items
1 Bread, Milk
2 Bread, Diaper, Beer, Eggs
3 Milk, Diaper, Beer, Coke
4 Bread, Milk, Diaper, Beer
5 Bread, Milk, Diaper, Coke
Hasil akhir rule yang memenuhi yaitu
{Bread}  {Milk, Diaper} = 2 / 4
{Diaper}  {Bread, Milk} = 2 / 4
Tugas

• Sebuah rumah sakit memiliki data penyakit yang sering muncul secara
bersamaan
PID Items Penyakit
1 Febris, Dispepsya, Anemia, DM
• Tentukan 3 penyakit yang sering
2 Febris, Anemia, DHF, DM
3 Dispepsya, Anemia, DHF, Thyphoid
muncul secara bersamaan dengan
4 Febris, Dispepsya, Anemia, DHF
5 Febris, Dispepsya, Anemia, Thyphoid
minimum support = 0.6 dan nilai

minimum confidence = 0.5

Tugas

• Sebuah supermarket memiliki data transaksi sebagai berikut

• Tentukan 3 item barang yang sering PID Items Penyakit

dibeli secara bersamaan dengan
minimum support = 0.6 dan nilai
minimum confidence = 0.5
1 Buncis, Sawi, Kol, Wortel
2 Wortel, Terong, Paprika, Jagung
3 Sawi, Jagung, Wortel. Paprika
4 Buncis, Sawi, Paprika, Wortel
5 Jagung, Paprika, Sawi, Buncis
6 Kol, Terong, Sawi, Paprika
Tugas

• Sebuah supermarket memiliki data transaksi sebagai berikut

• Tentukan 3 item barang yang sering TID Items Baranng

dibeli secara bersamaan dengan
minimum support = 0.6 dan nilai
minimum confidence = 0.7
1 Buncis, Sawi, Kol, Wortel
2 Wortel, Terong, Paprika, Jagung
3 Sawi, Jagung, Wortel. Paprika
4 Buncis, Sawi, Paprika, Wortel
5 Jagung, Paprika, Sawi, Buncis
6 Kol, Terong, Sawi, Paprika
Tugas

• Sebuah toko sepatu memiliki data transaksi sebagai berikut

• Tentukan 3 item barang yang sering TID Items Barang

dibeli secara bersamaan dengan
minimum support = 0.6 dan nilai
minimum confidence = 0.6
1 Convers, Adidas, Fila, Puma
2 Adidas, Fila, Convers
3 Puma, Fila, Adidas
4 Fila, Convers, Puma
5 Convers, Adidas, Puma, Fila
6 Puma, Adidas, Fila
Ada Pertanyaan??