Sistem pencernaan merupakan organ vital, mengingat fungsinya dalam mengolah makanan dan minuman yang setiap hari dikonsumsi sehingga sangat penting untuk dijaga. Namun terkadang masyarakat memiliki kesadaran dan pengetahuan yang kurang terhadap gejala awal dari penyakit pencernaan sehingga menjadi faktor penyebab penyakit menjadi serius bahkan dapat menyebabkan kematian. Identifikasi gejala sedini mungkin sangatlah penting untuk proses diagnosa agar dapat segera dilakukan upaya pengendalian untuk mencegah dan menanggulangi penyebaran suatu penyakit. Untuk mendapatkan gejala penyakit dilakukan proses anamnesis, yaitu proses tanya jawab antara pasien dan tenaga medis yang hasilnya disimpan pada Electronic Medical Record (EMR) dalam bentuk narasi untuk membantu dalam proses Clinical Decision Support (CDS). EMR seringkali sulit dilakukan pemrosesan komputasi dikarenakan tata bahasa yang kurang tepat. Agar komputer dapat memproses bahasa alami manusia, digunakan Natural Language Processing (NLP). Pada tugas akhir dibuat sistem yang dapat mengidentifikasi gejala penyakit pencernaan dengan menggunakan NLP untuk mengoptimalkan proses CDS. Metode NLP yang digunakan pada penelitian ini adalah Named Entity Recognition (NER) yang digabungkan dengan preproses NLP. Preproses NLP menghasilkan akurasi sebesar 95,9% pada proses stemming dan 97,2% pada proses stopwords removal. Model NER yang dibuat menggunakan 1632 dataset dengan epochs sebanyak 800 menghasilkan skor f1-micro sebesar 0.79, sedangkan pengujian dengan menggunakan 30 masukan data menghasilkan akurasi sebesar 76,6% keberhasilan dalam mengidentifikasi gejala penyakit.