Penanganan medis yang tepat dan cepat oleh tenaga medis di rumah sakit memiliki peran kunci dalam mempercepat proses penyembuhan dan mencegah kematian pasien. Data dari Institute of Medicine menunjukkan tingginya angka insiden keselamatan dan kematian pasien akibat penanganan medis yang kurang tepat di rumah sakit, baik di Amerika Serikat maupun Indonesia. Ketersediaan tenaga medis ahli, terutama dokter spesialis, menjadi kendala serius, dengan Indonesia mengalami kekurangan 30 ribu dokter spesialis menurut Kementrian Kesehatan. Oleh karena itu, Proyek Akhir ini akan mengaplikasikan metodologi terstruktur berbasis Decision Tree Early Warning Score, disingkat DTEWS, untuk menghasilkan skor EWS secara otomatis menggunakan data klinis pasien. Metodologi ini, dipilih karena representasinya yang sederhana, diharapkan dapat meningkatkan ketepatan penanganan pasien. Selanjutnya, proyek ini melibatkan pengembangan dashboard untuk simulasi EWS dan monitoring real-time tanda vital pasien, dengan tujuan meningkatkan kewaspadaan terhadap kondisi darurat pasien di rumah sakit. Setelah melakukan pengujian dan analisa, didapatkan hasil rata-rata skor AUC ROC dari model yang telah dibangun adalah 0,697. Sedangkan rata-rata skor untuk accuracy, precision, recall, and F1 secara berurutan adalah 0.696, 0.705, 0.689, dan 0.695. Kurva AUC ROC juga menunjukkan performa yang baik atau appropriate-fitting. Tabel EWS juga berhasil dikembangkan dengan mengikuti langkah-langkah dalam metodologi terstruktur dari DTEWS. Dashboard pun dapat monitor tanda vital pasien, terintegrasi dengan tabel EWS yang dihasilkan, dan memberikan rekomendasi protokol berdasarkan skor EWS. Dengan demikian, Proyek Akhir ini diharapkan dapat memberikan kontribusi positif terhadap peningkatan kualitas pelayanan kesehatan dan mempermudah kerja para tenaga medis.