Implementasi Ensemble Stacking Dengan Pendekatan Sampling dan Logistic Regression Untuk Meningkatkan Akurasi Klasifikasi Penyakit Jantung

2026-08-20T03:31:19+00:00

Model kategorisasi yang akurat diperlukan untuk membantu identifikasi dini penyakit jantung, yang merupakan salah satu penyebab kematian utama di dunia. Permasalahan utama dalam klasifikasi adalah ketidakseimbangan data yang dapat menurunkan kinerja model. Penelitian ini bertujuan meningkatkan akurasi klasifikasi penyakit jantung menggunakan metode ensemble stacking dengan pendekatan teknik sampling. Dataset yang digunakan adalah Heart Failure Prediction Dataset dari Kaggle sebanyak 918 data. Metode yang digunakan terdiri dari tiga base learner, yaitu K-Nearest Neighbor, Naive Bayes, dan Random Forest, serta Logistic Regression sebagai meta-learner. Penanganan data tidak seimbang dilakukan dengan empat skenario, yaitu tanpa sampling, oversampling, undersampling, dan SMOTE. Evaluasi dilakukan menggunakan 10-fold cross validation. Hasil penelitian menunjukkan bahwa metode stacking memberikan performa terbaik dibandingkan model tunggal. Akurasi tertinggi diperoleh pada skenario oversampling sebesar 95,57% dengan nilai precision, recall, dan F1-score sebesar 0,956. Metode ini efektif meningkatkan kinerja klasifikasi penyakit jantung

Perancangan Sistem Informasi Formulir Informed Consent Dalam Menunjang Rekam Medis Elektronik Di Rumah Sakit X

2026-08-20T03:31:21+00:00

Penerapan Rekam Medis Elektronik (RME) di fasilitas pelayanan kesehatan menuntut pengelolaan dokumen medis yang terintegrasi, termasuk formulir informed consent sebagai dokumen klinis dan legal yang penting. Pelaksanaan informed consent di rumah sakit masih banyak dilakukan secara manual atau semi-digital melalui pemindaian dokumen, sehingga berpotensi menimbulkan permasalahan seperti ketidaklengkapan data, keterbacaan yang rendah, keterlambatan akses dokumen, dan risiko kehilangan berkas. Penelitian ini bertujuan untuk merancang sistem informasi formulir informed consent berbasis elektronik yang terintegrasi dengan rekam medis elektronik di Rumah Sakit X. Metode penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kualitatif dan metode pengembangan sistem Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Teknik pengumpulan data dilakukan melalui observasi, wawancara, dan studi pustaka. Hasil penelitian menunjukkan bahwa sistem yang dirancang mampu menghasilkan dokumen informed consent elektronik yang lengkap, terstruktur, dan terdokumentasi secara digital, dengan mendukung penggunaan tanda tangan digital oleh dokter, pasien atau wali, dan saksi. Pengujian sistem menggunakan metode blackbox menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Disarankan agar rumah sakit segera mengimplementasikan sistem ini secara penuh untuk meningkatkan efisiensi, kelengkapan rekam medis, dan keamanan data, mempermudah pengelolaan dokumen informed consent, dan mendukung penerapan RME dan kepatuhan terhadap regulasi kesehatan yang berlaku.

INFORMASI (Jurnal Informatika dan Sistem Informasi)

Implementasi Ensemble Stacking Dengan Pendekatan Sampling dan Logistic Regression Untuk Meningkatkan Akurasi Klasifikasi Penyakit Jantung

Perancangan Sistem Informasi Formulir Informed Consent Dalam Menunjang Rekam Medis Elektronik Di Rumah Sakit X