NEXT WORD PREDICTION PADA REKAM MEDIS ELEKTRONIK MENGGUNAKAN GATED RECURRENT UNIT

Abstract

Tujuan utama dari penelitian ini adalah untuk membuat model Gated Recurrent Unit (GRU) yang dirancang khusus untuk meramalkan kata berikutnya dalam rekam medis elektronik (RME). Pembangunan model ini melibatkan serangkaian proses, termasuk membangun struktur dan parameter serta melakukan pelatihan menggunakan dataset dengan 169.544 token. Data pelatihan dibagi dengan rasio 80% untuk pelatihan dan 20% untuk pengujian. Evaluasi kinerja dilakukan selama 90 iterasi, menghasilkan penurunan loss function dari 2,2836 menjadi 0,800 dan peningkatan akurasi dari 60,26% menjadi 80,59%. Model GRU mencapai akurasi prediksi 87,04% pada dataset pengujian. Penelitian ini mengimplikasikan pemanfaatan teknologi deep learning untuk mengoptimalkan proses administratif di fasilitas kesehatan dan memberikan kontribusi dalam pengembangan sistem prediktif untuk aplikasi medis lainnya.