<![CDATA[Transformasi digital di bidang kesehatan mendorong rumah sakit menyediakan layanan yang cepat, nyaman dan efisien melalui aplikasi digital. Salah satu fitur yang banyak diimplementasikan adalah Self Check-In untuk mempermudah proses pendaftaran pasien. Namun, keberlanjutan penggunaan (continuance intention) fitur ini masih menjadi tantangan karena dipengaruhi berbagai faktor persepsi dan kepuasan pengguna. Penelitian ini bertujuan untuk membangun model prediksi keberlanjutan pengguna aplikasi layanan kesehatan berdasarkan fitur Self Check-In dengan menggunakan Neural Network berbasis kerangka Expectation Confirmation Model – Information System Continuance (ECM-ISC) dengan tujuan untuk memberikan informasi terkait bisnis dan operasional perusahaan agar dapat meningkatkan layanan. Model Neural Network dikembangkan dengan arsitektur Multi-Layer Perceptron melalui percobaan pemilihan beberapa hidden layer dan optimizer seperti AdaDelta, Adam, dan SGD untuk memperoleh model dengan performa terbaik. Hasil penelitian menunjukkan bahwa model prediktif Neural Network dengan kerangka ECM-ISC dapat memberikan informasi keberlanjutan pengguna fitur Self Check-In pada aplikasi layanan rumah sakit. Dimana dari hasil model prediksi, didapatkan Parameter Perceived Usefulness (PU) memiliki pengaruh paling dominan, terutama pada kelompok usia 40–55 tahun yang memerlukan dukungan Satisfaction (SF) tinggi untuk melanjutkan penggunaan fitur, sedangkan pada usia 25–39 tahun PU tinggi cukup mendorong keberlanjutan meskipun CF dan SF rendah. Secara keseluruhan, Confirmation (CF) tidak cukup kuat tanpa dukungan PU dan SF. Temuan pola ini dapat menjadi dasar pengambilan keputusan dalam strategi pengembangan dan perbaikan fitur aplikasi di masa mendatang untuk meningkatkan pengalaman pengguna di semua kelompok usia secara optimal.]]>
