<![CDATA[Ketidakakuratan kode diagnosis ICD-10 di puskesmas berdampak pada kualitas data morbiditas dan pelaporan penyakit, dengan kesalahan yang umumnya terjadi pada subkategori (Munandziroh et al., 2024). Artificial Intelligence (AI) terbukti mampu meningkatkan akurasi kodefikasi. Penelitian ini menganalisis perbedaan akurasi kode diagnosis ICD-10 antara metode manual dan AI serta identifikasi kelompok kesalahan pemberian kode di Puskesmas Umbulharjo I. AI yang digunakan dalam menetapkan kode adalah Claude , hasil penetapan tersebut dilanjutkan dengan mengidentifikasi kelompok kesalahan kode. Pendekatan deskriptif kuantitatif dengan desain cross sectional menggunakan sampel 398 rekam medis rawat jalan tahun 2025 melalui metode simple random sampling . Hasil kode manual dan kode AI divalidasi oleh expert judgement sesuai ICD-10 Volume II 2010. Hasil penelitian pemberian kode manual oleh Puskesmas Umbulharjo diperoleh keakuratan sejumlah 93 rekam medis (23,37%), sedangkan pemberian kode menggunakan AI diperoleh sejumlah 345 rekam medis (86,68%). Hasil identifikasi kesalahan kode manual didominasi kelompok kesalahan subkategori sejumlah 291 rekam medis (95,41%) dan kelompok kesalahan kategori (14 kasus, 4,59%), sedangkan kesalahan kode menggunakan AI meliputi kelompok kesalahan subkategori 53 rekam medis (100%). Hasil penelitian menunjukkan adanya akurasi yang signifikan antara kode manual dan AI , sehingga mempertegas potensi AI sebagai alat bantu kodefikasi dengan verifikasi akhir oleh PMIK.]]>
