Stroke merupakan gangguan fungsi otak yang serius dan dapat berakibat fatal,
menjadi penyebab utama kematian dan kecacatan di Indonesia. Dalam upaya
memahami pola kesehatan pada penderita stroke, penerapan teknologi data
mining, terutama melalui metode Association Rule Mining dengan algoritma
Apriori, menjadi penting. Data mining memungkinkan identifikasi hubungan dan
pola yang tersembunyi dalam data medis penderita stroke, memberikan wawasan
berharga untuk perawatan dan pencegahan penyakit. Penelitian ini bertujuan
untuk mengeksplorasi potensi metode Apriori dalam Association Rule Mining
untuk memahami pola kesehatan pada penderita stroke, dengan harapan
memberikan perawatan yang lebih efektif dan pencegahan yang lebih tepat.
Dalam kesimpulan, hasil pengujian dan simulasi dengan algoritma Apriori serta
aplikasi Weka menghasilkan 21 Aturan Terbaik yang menunjukkan sub-variabel
saling berkaitan dengan nilai Support di atas 65% dan Confidence di atas 90%,
mengindikasikan pola yang sering terjadi dalam data pasien stroke yang diteliti.