Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal CoreIT Jurnal Ilmiah Kesehatan
Baskoro Baskoro
Universitas Muhammadiyah Pringsewu
Computer Science & IT Health Professions Public Health

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PERANCANGAN USER INTERFACE SISTEM INFORMASI REKAM MEDIS RAWAT INAP KLINIK PKU MUHAMMADIYAH PRINGSEWU Prilian Ayu Minarni; Lienda Wati; Baskoro Baskoro
Jurnal Ilmiah Kesehatan Vol. 13 No. 2 (2024): Jurnal Ilmiah Kesehatan
Publisher : Universitas Muhammadiyah Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52657/jik.v13i2.2424

Abstract

Pencatatan data pasien sangat potensial untuk diintegrasikan dengan teknologi informasi, bidang kesehatan menjadi salah satu sektor penting yang sedang mendapat perhatian besar dari pemerintah. Rekam Medis adalah dokumen yang berisikan data identitas pasien, pemeriksaan, pengobatan, tindakan, dan pelayanan lain yang telah diberikan kepada pasien. Rekam Medis Elektronik adalah Rekam Medis yang dibuat dengan menggunakan sistem elektronik yang diperuntukkan bagi penyelenggaraan Rekam Medis. Tujuan dari penelitian ini ialah merancang sistem informasi rekam medis klinik menggunakan aplikasi figma. Figma adalah editor web dan alat pembuatan prototype yang dapat diakses secara online melalui browser. Aplikasi Figma dapat mempermudah pekerjaan merancang user interface. Hasil penelitian ini adalah Rancangan user interface (UI) sistem informasi rekam medis rawat inap klinik PKU Muhammadiyah Pringsewu sebagai tahapan awal pembangunan sistem informasi. Pemanfaatan aplikasi figma dalam perancangan UI sangat membantu karena fitur-fitur yang ada pada aplikasi tersebut mudah untuk diaplikasikan dan sangat interaktif bahkan prototype dari sistem informasi yang akan dibangun ini dapat dibuat di aplikasi figma ini.
PERANCANGAN USER INTERFACE SISTEM INFORMASI REKAM MEDIS RAWAT INAP KLINIK PKU MUHAMMADIYAH PRINGSEWU Prilian Ayu Minarni; Lienda Wati; Baskoro Baskoro
Jurnal Ilmiah Kesehatan Vol. 13 No. 2 (2024): Jurnal Ilmiah Kesehatan
Publisher : Universitas Muhammadiyah Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52657/jik.v13i2.2424

Abstract

Pencatatan data pasien sangat potensial untuk diintegrasikan dengan teknologi informasi, bidang kesehatan menjadi salah satu sektor penting yang sedang mendapat perhatian besar dari pemerintah. Rekam Medis adalah dokumen yang berisikan data identitas pasien, pemeriksaan, pengobatan, tindakan, dan pelayanan lain yang telah diberikan kepada pasien. Rekam Medis Elektronik adalah Rekam Medis yang dibuat dengan menggunakan sistem elektronik yang diperuntukkan bagi penyelenggaraan Rekam Medis. Tujuan dari penelitian ini ialah merancang sistem informasi rekam medis klinik menggunakan aplikasi figma. Figma adalah editor web dan alat pembuatan prototype yang dapat diakses secara online melalui browser. Aplikasi Figma dapat mempermudah pekerjaan merancang user interface. Hasil penelitian ini adalah Rancangan user interface (UI) sistem informasi rekam medis rawat inap klinik PKU Muhammadiyah Pringsewu sebagai tahapan awal pembangunan sistem informasi. Pemanfaatan aplikasi figma dalam perancangan UI sangat membantu karena fitur-fitur yang ada pada aplikasi tersebut mudah untuk diaplikasikan dan sangat interaktif bahkan prototype dari sistem informasi yang akan dibangun ini dapat dibuat di aplikasi figma ini.
Comparison Of The Performance Of K-Nearest Neighbors And Naive Bayes Algorithms For Stroke Disease Prediction baskoro baskoro; Roby Novianto; Bambang Triraharjo
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol. 11 No. 2 (2025): December 2025
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Purpose: Stroke is a critical global health issue requiring early and accurate prediction to mitigate severe outcomes. This study aims to compare the performance of the K-Nearest Neighbors (KNN) and Naive Bayes algorithms in predicting stroke disease, addressing the challenge of imbalanced datasets and improving prediction accuracy for better clinical decision-making.Methods/Study design/approach: The research followed the CRISP-DM model, utilizing a dataset of 5,110 patient records with 12 attributes from Kaggle. Data preprocessing included handling missing values and normalization. The KNN and Naive Bayes algorithms were implemented using RapidMiner, with performance evaluated through cross-validation, confusion matrices, and ROC-AUC curves.Result/Findings: The KNN algorithm achieved an accuracy of 94.50%, but exhibited low precision (7.89%) and recall (1.20%) for stroke-positive cases due to dataset imbalance. Naive Bayes yielded an accuracy of 88.83% with an AUC of 0.767, demonstrating better probability modeling but similar challenges in minority class detection. Both algorithms highlighted the impact of data imbalance on predictive performance.Novelty/Originality/Value: This study provides a comparative analysis of KNN and Naive Bayes for stroke prediction, emphasizing the need for data balancing and optimization techniques. The findings underscore the potential of these algorithms in healthcare applications while suggesting future improvements through ensemble methods or alternative algorithms like Random Forest.
Co-Authors Bambang Triraharjo Lienda Wati Prilian Ayu Minarni Roby Novianto