Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Zero : Jurnal Sains, Matematika, dan Terapan Journal of Innovative and Creativity
Rustianna Tumanggor
Universitas Murni teguh
Agriculture, Biological Sciences & Forestry Chemistry Education Languange, Linguistic, Communication & Media Mathematics Physics Social Sciences Other

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

Found 2 Documents
Search

 1 
Hubungan Pengetahuan Supervisi Dengan Kualitas Dokumentasi Asuhan Keperawatan Rustianna Tumanggor
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i3.2856

Abstract

Kualitas dokumentasi asuhan keperawatan merupakan indikator penting dalam penilaian mutu pelayanan keperawatan. Supervisi yang efektif oleh kepala ruangan memiliki peran strategis dalam memastikan keterpenuhan standar dokumentasi. Namun, keberhasilan supervisi sangat bergantung pada tingkat pengetahuan perawat mengenai proses dan fungsi supervisi. Penelitian ini bertujuan untuk menganalisis hubungan antara pengetahuan perawat tentang supervisi dengan kualitas dokumentasi asuhan keperawatan. Penelitian ini adalah penelitian kuantitatif dengan desain cross-sectional ini melibatkan 96 perawat rawat inap di RS Murni Teguh Medan, yang dipilih melalui teknik simple random sampling. Data dikumpulkan menggunakan kuesioner pengetahuan supervisi dan lembar observasi dokumentasi keperawatan. Analisis dilakukan menggunakan uji Chi-Square pada tingkat signifikansi 0,05. Ditemukan hubungan yang signifikan antara pengetahuan supervisi dengan kualitas dokumentasi keperawatan (p = 0,004). Perawat dengan pengetahuan supervisi yang baik cenderung memiliki kemampuan dokumentasi yang lebih baik. Disimpulkan bahwa pengetahuan yang memadai tentang supervisi berkorelasi positif terhadap peningkatan kualitas dokumentasi keperawatan. Temuan ini menegaskan pentingnya edukasi dan pelaksanaan supervisi klinik yang terstruktur untuk mendukung mutu pelayanan keperawatan.
Prediction of Heart Disease Risk Based on Patient Health History Using the Support Vector Machine (SVM) Algorithm Septian Simatupang; Rizki Ramadhansyah; Rustianna Tumanggor; Eric Pratama Tan; Syafrizal Amri Fajar
ZERO: Jurnal Sains, Matematika dan Terapan Vol 9, No 2 (2025): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v9i2.26087

Abstract

Heart disease remains the leading cause of death worldwide, with early detection being critical to improving patient outcomes. This study develops a heart disease risk prediction model using the Support Vector Machine (SVM) algorithm. A dataset of 303 patient records with 14 clinical attributes was used, including age, blood pressure, cholesterol, and chest pain type. Data preprocessing, normalization, and feature selection were performed to optimize the model. Evaluation metrics such as accuracy (92%), precision (90%), recall (96%), and F1-score (93%) demonstrated significant improvements over the baseline model. These results highlight the SVM model's effectiveness as a tool for early heart disease detection, offering potential for enhanced predictive healthcare, particularly in Indonesian clinical settings.
Co-Authors Eric Pratama Tan Ramadhansyah, Rizki Simatupang, Septian Syafrizal Amri Fajar