PENGEMBANGAN DAN PENGUJIAN SISTEM REKOMENDASI CODING ICD-10 BERBASIS ARTIFICIAL INTELLIGENCE PADA REKAM MEDIS ELEKTRONIK

ABSTRAK

UNIVERSITAS AISYIYAH PALEMBANG
FAKULTAS KESEHATAN DAN TEKNOLOGI PROGRAM STUDI D4 MANAJEMEN INFORMASI KESEHATAN
Skripsi
Juni 2026 (Alvin Valency)
Pengembangan dan Pengujian Sistem Rekomendasi Coding ICD-10 Berbasis Artificial Intelligence pada Rekam Medis Elektronik
XVIII, 57 Halaman, 10 Tabel, 7 Gambar, 6 Daftar Singkatan, 4 Lampiran

Pendahuluan: Pengkodean diagnosis ICD-10 pada rekam medis elektronik memerlukan ketepatan, konsistensi, dan efisiensi, sedangkan variasi istilah diagnosis serta ketidaklengkapan dokumentasi dapat meningkatkan beban verifikasi coder. Tujuan: Penelitian ini bertujuan mengembangkan dan menguji sistem rekomendasi coding ICD-10 berbasis artificial intelligence sebagai alat bantu coder. Metode: Penelitian menggunakan metode Research and Development dengan model Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian fungsional, dan pengujian kesesuaian rekomendasi. Purwarupa dibangun sebagai aplikasi web menggunakan Laravel, PHP 8.2, MySQL, dan API Gemini AI. Hasil: Pengujian fungsional dilakukan melalui delapan skenario black box, sedangkan kesesuaian rekomendasi dievaluasi pada 20 diagnosis uji dengan membandingkan keluaran sistem terhadap kode rujukan ICD-10 serta kebutuhan informasi klinis tambahan. Kesimpulan: Seluruh skenario fungsional dinyatakan berhasil. Sebanyak 16 dari 20 diagnosis (80%) dikategorikan sesuai dan 4 diagnosis (20%) memerlukan verifikasi lanjutan. Secara deskriptif, 18 keluaran memiliki kode yang sama secara literal dengan kode rujukan; namun tiga di antaranya tetap memerlukan verifikasi karena istilah diagnosis belum cukup spesifik, sehingga angka tersebut tidak ditafsirkan sebagai akurasi klinis. Sistem berpotensi mempercepat penelusuran kandidat kode dan memberikan alasan rekomendasi, tetapi keputusan akhir harus tetap dilakukan coder. Implementasi produksi memerlukan validasi lebih luas, penyimpanan riwayat pada basis data backend, pengendalian akses, audit trail, dan tata kelola privasi.

Kata kunci: artificial intelligence, black box testing, ICD-10, rekam medis elektronik, rekomendasi coding

Daftar Pustaka: 24 (2019-2025)