Peningkatan kualitas pelayanan di sektor kesehatan menjadi hal penting dalam memenuhi kebutuhan pasien yang semakin kompleks. Salah satu tantangan yang dihadapi oleh penyedia layanan kesehatan adalah kurangnya pemanfaatan data historis kunjungan pasien untuk mengidentifikasi pola akses layanan berdasarkan waktu kunjungan. Tanpa analisis yang tepat, pihak manajemen akan kesulitan dalam menyusun strategi pelayanan yang efisien dan tepat sasaran. Penelitian ini bertujuan untuk menerapkan algoritma Apriori dalam menganalisis hubungan antara waktu kunjungan (pagi, siang, sore) dan jenis layanan yang diakses secara bersamaan oleh pasien di Klinik Az Ziva. Sistem berbasis web ini dirancang untuk membantu manajemen dalam mengelola data transaksi kunjungan secara terintegrasi dan melakukan analisis data secara otomatis. Metode data mining digunakan sebagai pendekatan dalam mengeksplorasi pola tersembunyi dari kumpulan data kunjungan yang besar. Data yang digunakan dalam penelitian ini terdiri dari 900 transaksi kunjungan pasien dengan 6 jenis layanan utama. Hasil analisis menunjukkan terdapat pola keterkaitan antara waktu kunjungan dan layanan yang sering diakses bersamaan oleh pasien. Informasi ini menjadi dasar bagi pihak manajemen dalam mengambil keputusan strategis, seperti penyesuaian jadwal pelayanan, peningkatan ketersediaan sumber daya, serta pengembangan layanan terpadu sesuai kebutuhan pasien. Dengan demikian, sistem ini diharapkan dapat memberikan kontribusi dalam meningkatkan efektivitas dan efisiensi pelayanan di Klinik Az Ziva.

Improving the quality of healthcare services is essential to meet the increasingly complex needs of patients. One of the main challenges faced by healthcare providers is the lack of utilization of historical patient visit data to identify patterns of service access based on visit times. Without proper analysis, management may struggle to develop efficient and well-targeted service strategies. This study aims to apply the Apriori algorithm to analyze the relationship between visit times (morning, afternoon, evening) and types of services accessed simultaneously by patients at Klinik Az Ziva. The web-based system is designed to help clinic management managing patient visit data in an integrated manner and automatically perform data analysis. A data mining approach is applied to explore hidden patterns within a large set of visit transactions. The dataset consists of 900 patient visit records covering six main service categories. The analysis reveals associations between certain visit times and frequently accessed services. This information provides a basis for strategic decisions such as scheduling adjustments, resource allocation, and the development of integrated service offerings tailored to patient needs. Therefore, the system is expected to contribute to improved efficiency and service effectiveness at Klinik Az Ziva.