<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi prosedur medis otomatis berbasis machine learning yang dapat mengklasifikasikan diagnosis medis ke dalam kode ICD-10 dan ICD-9CM. Sistem dikembangkan menggunakan pendekatan Sentence Transformers dengan model "paraphrase-multilingual-mpnet-base-v2" untuk menangani kompleksitas bahasa medis dan variasi terminologi. Dataset yang digunakan berasal dari platform Satu Sehat yang mencakup lebih dari 140.000 kode diagnosis dan prosedur medis. Hasil pengujian menunjukkan bahwa model mencapai rata-rata tingkat confidence 80.42% dengan standar deviasi 12.58%. Sistem berhasil mencapai akurasi 100% untuk diagnosis standar, 93.3% untuk diagnosis kompleks, dan 87.5% untuk kasus khusus. Kemampuan multilingual sistem terbukti efektif dengan tingkat keberhasilan 94.4% untuk Bahasa Indonesia, 92.9% untuk Bahasa Inggris, dan 100% untuk terminologi medis standar. Validasi menggunakan k-fold cross validation menunjukkan konsistensi performa dengan rata-rata metrics across folds mencapai 80.64%. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan berhasil mengotomatisasi proses klasifikasi diagnosis medis dengan tingkat akurasi yang tinggi dan mampu menangani variasi bahasa serta kompleksitas terminologi medis. Kata Kunci: Machine Learning, ICD-10, ICD-9CM, Sentence Transformers, Natural Language Processing, Sistem Kesehatan]]>
Copyrights © 2024
