Penelitian ini bertujuan merancang dan mengimplementasikan sistem identitas digital terdesentralisasi berbasis integrasi Federated Learning Knowledge Graph dan Blockchain dalam kerangka Zero Trust untuk meningkatkan keamanan dan privasi data pasien di rumah sakit. Permasalahan utama meliputi risiko kesalahan identifikasi duplikasi rekam medis serta kebocoran data pada sistem terpusat. Metode penelitian mencakup perancangan arsitektur pengembangan prototipe serta pengujian performa dan keamanan. Hasil menunjukkan akurasi model sebesar 82 persen dengan stabilitas 95 koma 5 persen serta keberhasilan kueri 98 koma 5 persen. Sistem ini mampu meningkatkan deteksi anomali menjaga integritas data dan mendukung pengelolaan kesehatan yang aman transparan dan berkelanjutan.

IDANTITY merupakan sistem identitas digital yang mengintegrasikan federated learning knowledge graph dan blockchain dalam arsitektur zero trust sehingga memiliki tingkat keamanan tinggi serta mampu menjaga privasi data kesehatan. Secara teknis sistem ini efektif dalam mendeteksi anomali melalui kombinasi pembelajaran terdistribusi dan pemetaan relasi data dengan akurasi model mencapai 82 persen dan stabilitas tinggi. Selain itu integritas data terjamin melalui pencatatan transaksi yang tidak dapat diubah dengan waktu validasi cepat tanpa indikasi kebocoran maupun duplikasi. Sistem ini juga menunjukkan kesiapan teknis yang baik dengan performa stabil serta memiliki potensi implementasi luas dan peluang pengembangan di berbagai sektor.