ANALISIS AKURASI KODE DIAGNOSIS SECARA MANUAL DAN ARTIFICIAL INTELLIGENCE DI PUSKESMAS UMBULHARJO I
Keywords:
Diagnosis, Pemberian kode, Artificial Intelligence, Claude, KesalahanAbstract
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.
References
Alvionita, C. V., & Renata, E. C. (2025). Analisis Kesesuaian SOPPengodean dan Tindakan Berdasarkan ICD di RS Universitas Brawijaya. Jurnal Informasi Kesehatan Indonesia, 11(2), 132–139. https://ojs.
poltekkesmalang.ac.id/JIKI/article/download/5760/1121
Dai, H., Wang, C., Chen, C., Liou, C., Lu, A., Lai, C., Shain, B., Ke, C., Wang, W., Mir, T., Simanjuntak, M., Kao, H., Tsai, M., & Tseng, V. (2024). Evaluating a Natural Language Processing–Driven, AI-Assisted International Classification of Diseases, 10th Revision, Clinical Modification, Coding System for Diagnosis Related Groups in a Real Hospital Environment: Algorithm Development and Validation Study. Journal of Medical Internet Research, 26, e58278. https://doi.org/10.2196/58278
Karila Cohen, J., Garcelon, N., & Quennelle, S. (2025). Assigning Clinical Codes with Semi-Automated Medical Language Processing. Studies in Health Technology and Informatics, 328, 434–438. https://doi.org/10.3233/SHTI250754
Kepmenkes RI No. 312. (2020). Keputusan Menteri Kesehatan Republik Indonesia Nomor HK.01.07/MENKES/312/2020 tentang Standar Profesi Perekam Medis dan Informasi Kesehatan. https://peraturan.
bpk.go.id/Download/174833/KMK%20Nomor%20312%20Tahun%202020.pdf
Mayang Sari, S., Ermasari Muzuh, M., Amiruddin, A., Safitria Rahmadi, D., & Dzulkarnain, K. (2026). Analysis of the Accuracy of ICD-10 Diagnosis Coding and Its Contributing Factors in Outpatient Medical Records at a Primary Health Center in Baubau City. Jurnal Promotif Preventif, 9(1), 60–69. https://journal.unpacti.ac.id/
index.php/JPP/article/view/2555/1313
Mousavi Baigi, S. F., & al., et. (2025). Artificial Intelligence-based Automated International Classification of Diseases Coding: A Systematic Review. Journal of Medical Signals & Sensors, 15, 22. https://doi.org/10.4103/jmss.jmss_76_24
Munandziroh, Asmorowati, A., Rahadiyanto, C., & Prasetyowati, A. (2024). Analysis of the Accuracy of Diagnosis Codes Based on ICD-10 with the Application of the 4th Character at the Puskesmas of Semarang City. International Scientific Meeting on Health Information Management, 6. https://pels.umsida.ac.id/index.php/PELS/article/view/1931/1255
Mustafa, A., Naseem, U., & Rahimi Azghadi, M. (2025). Large language models vs human for classifying clinical documents. International Journal of Medical Informatics, 195. https://doi.org/10.1016/j.
ijmedinf.2025.105800
Nahor, A. B., Putri, R., & Simanjuntak, S. (2024). Analisis Ketepatan Kode Diagnosa Penyakit Terkait di Puskesmas Kecamatan Makasar, Jakarta Timur. Jurnal Informatika Rekam Medis Dan Kesehatan Indonesia, 10(1). https://journal.khj.ac.id/index.php/
jirmiki/article/view/87
Ornela, O., Fadhila, W., Leonar, D., & Yasli, Z. (2025). Tinjauan Ketepatan Kode Diagnosis ICD-10 Diabetes Melitus Pada Rekam Medis Rawat Jalan Di Puskesmas Taram Kabupaten Lima Puluh Kota Tahun 2023. Jurnal Rekam Medis Dan Informasi Kesehatan, 4(1), 29–34. https://ejurnal2.
poltekkestasikmalaya.ac.id/index.php/jremikes/article/view/766/467
Permenkes RI No. 24. (2022). Peraturan Menteri Kesehatan Republik Indonesia Nomor 24 Tahun 2022 tentang Rekam Medis. https://peraturan.bpk.go.id/Download/235921/Permenkes%20Nomor%2024%20Tahun%202022.pdf
Permenkes RI No. 31. (2019). Peraturan Menteri Kesehatan Republik Indonesia tentang SIMPUS Nomor 31 Tahun 2019. https://peraturan.bpk.go.id/Download/129887/Permenkes%20Nomor%2031%20Tahun%202019.pdf
Uppalapati, V. K., & Nag, D. S. (2024). A Comparative Analysis of AI Models in Complex Medical Decision-Making Scenarios: Evaluating ChatGPT, Claude AI, Bard, and Perplexity. Cureus. https://pmc.
ncbi.nlm.nih.gov/articles/PMC10874112/pdf/cureus-0016-00000052485.pdf
WHO. (2010). International Statistical Classification of Diseases and Related Health Problems, 10th Revision (ICD-10). World Health Organization.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Rezqa Amaliza, Nita Budiyanti, Syarah Mazaya Fitriana, Abdul Hadi Kadarusno, Mutiara Pertiwi, Rahmah Nindyakinanti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
