Amaliza, Rezqa (2026) ANALISIS PERBANDINGAN AKURASI KODE DIAGNOSIS SECARA MANUAL DAN ARTIFICIAL INTELLIGENCE (AI) DI PUSKESMAS UMBULHARJO I TAHUN 2025. Diploma thesis, Poltekkes Kemenkes Yogyakarta.
|
Text (Cover)
Awal.pdf Download (5MB) |
|
Text (Abstract)
Abstract.pdf Download (28kB) |
|
Text (Chapter 1)
Chapter 1.pdf Download (108kB) |
|
Text (Chapter 2)
Chapter 2.pdf Download (310kB) |
|
Text (Chapter 3)
Chapter 3.pdf Restricted to Repository staff only Download (197kB) |
|
Text (Chapter 4)
Chapter 4.pdf Restricted to Repository staff only Download (748kB) |
|
Text (Chapter 5)
Chapter 5.pdf Download (84kB) |
|
Text (Conclusions)
Conclusions.pdf Download (78kB) |
|
Text (References)
References.pdf Download (152kB) |
|
Text (Appendices)
Appendices.pdf Restricted to Repository staff only Download (4MB) |
Abstract
Abstrak Latar Belakang: Ketidakakuratan kode diagnosis ICD-10 di puskesmas berdampak pada kualitas data morbiditas dan pelaporan penyakit. AI terbukti meningkatkan akurasi dan konsistensi kodefikasi. Studi pendahuluan di Puskesmas Umbulharjo I terhadap 60 rekam medis menunjukkan ketidakakuratan kode manual 57,38% dan kode AI hanya 6,56%, sehingga perlu dilakukan perbandingan akurasi dan identifikasi kelompok kesalahan keduanya. Tujuan: Menganalisis perbedaan akurasi kode diagnosis ICD-10 antara metode manual dan AI oleh Claude, serta mengidentifikasi kelompok kesalahan berdasarkan validasi expert judgment. Metode: Penelitian kuantitatif deskriptif dengan desain cross sectional. Sampel 398 rekam medis rawat jalan tahun 2025 diperoleh melalui simple random sampling dari populasi 68.995 rekam medis. Kode manual dibandingkan dengan kode AI Claude, lalu divalidasi terhadap expert judgment sesuai ICD-10 Volume 2 Tahun 2010. Hasil: Kode manual akurat pada 93 rekam medis (23,37%), sedangkan kode AI akurat pada 345 rekam medis (86,68%). Kesalahan kode manual terdiri dari subkategori (95,41%) dan kategori (4,59%), sementara seluruh kesalahan kode AI bersifat subkategori (100%). Kesimpulan: Terdapat kesenjangan akurasi signifikan antara kode manual (23,37%) dan kode AI (86,68%). Kesalahan manual bersumber dari ketidakpatuhan SOP, absennya validasi PMIK, dan keterbatasan SIMPUS. Claude berpotensi sebagai alat bantu kodefikasi, namun verifikasi akhir oleh PMIK tetap diperlukan. Kata Kunci: Akurasi Kode Diagnosis, Artificial Intelligence, Claude, Kelompok Kesalahan Kode
| Item Type: | Thesis (Diploma) |
|---|---|
| Kata Kunci/Keyword Abstrak: | Akurasi Kode Diagnosis, Artificial Intelligence, Claude, Kelompok Kesalahan Kode |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Poltekkes Kemenkes Yogyakarta > Jurusan kebidanan > Program Studi DIII Rekam Medis dan Informasi Kesehatan |
| Depositing User: | Mahasiswa Polkesyogya |
| Date Deposited: | 10 Jul 2026 02:38 |
| Last Modified: | 10 Jul 2026 02:38 |
| URI: | http://eprints.poltekkesjogja.ac.id/id/eprint/21887 |
Actions (login required)
 |
View Item |
