Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Ragam Pengabdian
Frans Mikael Sinaga
Universitas Pelita Harapan
Computer Science & IT Decision Sciences, Operations Research & Management Education Environmental Science Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Model Ensemble Stacking untuk Klasifikasi Big Data Stunting Berbasis XGBoost dan MLP Khairul Hawani Rambe; Frans Mikael Sinaga; Leni Anggraini Susanti; Moh. Erkamim
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 10 No. 1 (2026): Volume 10 Nomor 1 Januari 2026
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v10i1.15903

Abstract

Klasifikasi status gizi balita berbasis data besar memerlukan pendekatan machine learning yang mampu menangani kompleksitas dan heterogenitas data secara akurat dan stabil. Populasi penelitian mencakup seluruh data rekam medis balita periode 2023–2024 yang diperoleh dari RS Mitra Medika Tanjung Mulia, dengan teknik pengambilan sampel menggunakan total sampling terhadap dataset yang tersedia. Sampel berupa data antropometri balita yang meliputi jenis kelamin, usia, berat badan, tinggi atau panjang badan, nilai Z-score, serta label status gizi. Metode yang digunakan adalah pendekatan kuantitatif berbasis machine learning dengan tahapan pra-pemrosesan, pembangunan model, dan evaluasi performa. Pra-pemrosesan mencakup pembersihan data, transformasi variabel kategorikal, normalisasi fitur numerik, serta pembagian data latih dan data uji dengan rasio 80:20. Model yang dikembangkan menggunakan pendekatan ensemble stacking dengan XGBoost sebagai base learner dan Multi-Layer Perceptron (MLP) sebagai meta learner. Evaluasi kinerja model dilakukan menggunakan confusion matrix, precision, recall, F1-score, dan akurasi. Hasil pengujian menunjukkan bahwa model stacking mencapai akurasi sebesar 99,64% dengan jumlah kesalahan prediksi yang sangat rendah serta nilai precision, recall, dan F1-score yang seimbang pada setiap kelas. Temuan ini menunjukkan bahwa integrasi algoritma boosting dan neural network mampu meningkatkan stabilitas dan kemampuan generalisasi model. Dengan demikian, pendekatan stacking XGBoost–MLP efektif dalam klasifikasi status gizi balita dan berpotensi diterapkan sebagai sistem pendukung keputusan deteksi dini masalah gizi berbasis big data.
Optimalisasi Pelayanan Pasien melalui Rancangan Sistem Antrean Digital pada UPT Puskesmas Bukit Lawang Frans Mikael Sinaga; Ferawaty Ferawaty; Katherin Yap; Randy Liminson; Manson Lie
Jurnal Ragam Pengabdian Vol. 3 No. 1 (2026): Januari-April. Synergy of Research and Community Service for Community Empowerm
Publisher : Lembaga Teewan Journal Solutions

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62710/dsbpgz74

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk mengoptimalkan kualitas pelayanan kesehatan melalui penerapan sistem antrean digital berbasis web di UPT Puskesmas Bukit Lawang. Permasalahan yang dihadapi meliputi penggunaan sistem antrean manual berbasis pencatatan buku dan pemanggilan langsung, yang berdampak pada kurang tertibnya antrean, tingginya waktu tunggu pasien, serta minimnya transparansi informasi layanan. Metode pelaksanaan kegiatan mencakup tahap observasi lapangan, analisis kebutuhan sistem, perancangan dan implementasi aplikasi, serta evaluasi melalui uji coba penggunaan dan penyebaran kuesioner kepada pengguna. Sistem yang dikembangkan terdiri dari fitur pengelolaan antrean oleh petugas melalui dashboard serta tampilan informasi antrean yang dapat diakses pasien secara langsung melalui layar display. Hasil kegiatan menunjukkan adanya peningkatan yang signifikan pada aspek keteraturan antrean, efisiensi waktu pelayanan, transparansi informasi, serta kemudahan dalam pelaksanaan tugas oleh petugas. Selain itu, waktu tunggu pasien mengalami penurunan yang cukup berarti, dan mayoritas pengguna memberikan respon positif terhadap penerapan sistem. Kendala yang muncul, seperti keterbatasan kemampuan teknologi dan gangguan jaringan, dapat diatasi melalui pelatihan dan pendampingan. Dengan demikian, penerapan sistem antrean digital berbasis web terbukti mampu meningkatkan mutu pelayanan kesehatan serta berpotensi untuk diterapkan pada fasilitas kesehatan lainnya
Co-Authors Ferawaty Katherin Yap Khairul Hawani Rambe Leni Anggraini Susanti Manson Lie Moh. Erkamim Randy Liminson