Pengembangan Prediksi Kata Selanjutnya Pada Rekam Medis Elektronik Klinik XYZ Menggunakan Bidirectional LSTM

Abstract

Perubahan pencatatan rekam medis secara elektronik dialami oleh Klinik XYZ. Saat ini Klinik XYZ sudah memiliki Sistem Informasi Klinik (SIKLIK) dalam memanajemen operasional data salah satunya dalam pencatatan rekam medis, tetapi pencatatan rekam medis pada SIKLIK belum sepenuhnya digunakan secara langsung oleh dokter atau perawat, salah satunya penyebabnya dikarenakan dalam input diagnosa dokter maupun perawat hanya memiliki waktu yang sangat terbatas akibat antrian pasien yang banyak. Berdasarkan permasalahan tersebut untuk memudahkan dan mempercepat penginputan diagnosa pasien pada SIKLIK dikembangkan prediksi kata selanjutnya. Penelitian ini menggunakan salah satu metode neural network yaitu Bidirectional Long Short-Term Memory dalam memprediksi kata selanjutnya dengan mengolah data rekam medis pasien Klinik XYZ. Bidirectional LSTM memproses dari arah maju-mundur pada data input untuk menghasilkan prediksi. Hasil dari pengembangan ini didapatkan model terbaik dengan akurasi tertinggi sebesar 76,5% dengan loss sebesar 0,89 pada data training. Pada data validasi, model mencapai akurasi sebesar 58,5% dengan loss sebesar 2,68, sedangkan pada data testing, akurasi mencapai 57,4% dengan loss sebesar 2,59. Model berhasil diimplementasikan pada SIKLIK melalui REST API menggunakan kerangka kerja Flask. Kata kunci : Bidirectional LSTM, Rekam Medis, Prediksi Kata, Flask