Pengembangan Aplikasi Chatbot Konsultasi Kesehatan Berbasis IOS

Amanda, Inez Yulia (2024) Pengembangan Aplikasi Chatbot Konsultasi Kesehatan Berbasis IOS. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000208_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (4MB) | Request a copy

Abstract

Era digital saat ini menjadi masa di mana banyak orang mencari informasi kesehatan secara online. Hal ini menggambarkan kecenderungan masyarakat untuk mencari informasi kesehatan secara mandiri, dengan tujuan mendapatkan pemahaman lebih baik tentang penyakit yang mereka alami dan mempersiapkan diri untuk berkonsultasi dengan tenaga medis. Meskipun internet menyediakan sumber informasi yang luas, kompleksitas dan jumlah informasi yang tersedia seringkali membuat masyarakat mengalami kesulitan dalam memilah informasi yang relevan dan akurat sesuai dengan kebutuhan kesehatan mereka. Tugas akhir ini bertujuan untuk mengembangkan Chatbot berbahasa Indonesia sebagai solusi yang dapat membantu masyarakat dalam memberikan wawasan kesehatan berdasarkan gejala awal penyakit yang dialami. Sistem ini diharapkan dapat memudahkan masyarakat dalam melakukan konsultasi kesehatan.
Pengembangan sistem diawali dengan tahap persiapan data hasil riset peneliti sebelumnya yang berupa 500 data pertanyaan dan jawaban pada forum tanya jawab di situs AloDokter. Sebanyak 200 data dari dataset yang telah dipersiapkan dianotasi untuk digunakan dalam proses pelatihan model deteksi gejala. Pelatihan model deteksi gejala dilakukan menggunakan Domain-Specific Named Entity Recognition (NER) dengan model NER SpaCy. Model tersebut digunakan untuk mengekstraksi daftar gejala dari 300 data yang tersisa. Hasil dari proses tersebut adalah daftar analisis beserta gejala yang kemudian disimpan di Firestore untuk digunakan dalam proses pengembangan fitur Chatbot. Pengambilan data artikel dari situs AloDokter juga dilakukan untuk menambahkan informasi kesehatan yang lebih general. Pengambilan dan emetaan data artikel dari situs AloDokter mengikuti struktur data yang telah dirancang memanfaatkan pustaka Selenium dan BeautifulSoup.
Sistem ini mengadaptasikan metode Ripple Down Rule (RDR) untuk menyimpulkan atau mengidentifikasi respon yang seharusnya diberikan berdasarkan gejala-gejala yang dimasukkan. RDR digunakan dalam proses pencarian hasil analisis di basis data dengan mengatur gejala pertama yang dipilih pengguna sebagai aturan standar dan gejala-gejala lain yang mengikuti menjadi aturan yang lebih spesifik. Implementasi antamuka akan dilakukan menggunakan kerangka kerja SwiftUI untuk mengembangkan aplikasi berbasis iOS. Daftar gejala dan analisis serta daftar artikel disimpan di Firestore sedangkan riwayat konsultasi yang telah dilakukan disimpan di penyimpanan lokal.
Pengujian fungsional aplikasi Chatbot konsultasi kesehatan pada tugas akhir ini dilakukan terhadap lima partisipan berlatar belakang medis dan sepuluh mahasiswa dan mahasiswi Institut Teknologi Sepuluh Nopember dengan program studi Teknik Informatika. Partisipan diminta untuk melakukan beberapa tugas, memberi umpan balik terhadap tugas yang diberikan dan memberi penilaian kemudahan melakukan tugas tersebut dengan formulir Single Ease Question (SEQ), serta menilai keseluruhan sisten dengan formulir System Usability Scale (SUS). Hasil dari pengujian fungsionalitas menunjukkan bahwa keseluruhan sistem berjalan dengan semestinya. Hasil ini juga didukung dengan skor SUS yang tinggi dengan nilai 89,5 untuk partisipan dengan latar belakang medis dan nilai 92,5 untuk non-medis. Skor SUS tersebut menyimpulkan bahwa sistem sudah memiliki pengalaman pengguna yang baik dan mudah untuk digunakan.
==================================================================================================================================
The current digital era has become a time where many people seek health information online. This reflects the trend of individuals seeking health information independently, aiming to gain a better understanding of the diseases they are experiencing and preparing themselves for consultation with medical professionals. Despite the vast sources of information available on the internet, the complexity and sheer volume often make it difficult for individuals to sift through relevant and accurate information according to their health needs. This final project aims to develop an Indonesian-language Chatbot as a solution to assist people in gaining health insights based on early symptoms of diseases. The system is expected to facilitate easier health consultations for the public.
The development of the system begins with data preparation, involving 500 question-and-answer data from the AloDokter forum as previous research data. Out of this dataset, 200 data points are annotated for use in training the symptom detection model. The training of the symptom detection model is conducted using Domain-Specific Named Entity Recognition (NER) with the SpaCy NER model. This model is used to extract a list of symptoms from the remaining 300 data points. The result of this process is a list of analyses along with symptoms, which is then stored in Firestore for use in developing Chatbot features. Data retrieval from the AloDokter website is also performed to add more general health information. The retrieval and parsing of article data from the AloDokter website follow a predefined data structure using the Selenium and BeautifulSoup libraries.
The system adapts the Ripple Down Rule (RDR) method to deduce or identify the responses that should be given based on the entered symptoms. RDR is used in the process of searching for analysis results in the database by setting the first symptom selected by the user as the standard rule and subsequent symptoms as more specific rules. Interface implementation will be done using the SwiftUI framework to develop an iOS-based application. The symptom list and analysis, as well as the article list, are stored in Firestore, while the consultation history is stored locally.
Functional testing of the health consultation Chatbot application in this Final Project is conducted on five participants with medical backgrounds and ten students from the Institut Teknologi Sepuluh Nopember majoring in Informatics Engineering. Participants are asked to perform several tasks, provide feedback on the given tasks, and rate the ease of performing those tasks using a Single Ease Question (SEQ) form, as well as evaluate the overall system using a System Usability Scale (SUS) form. The results of the functional testing indicate that the entire system operates as intended. These results are also supported by high SUS scores, with a score of 89.5 for participants with medical backgrounds and 92.5 for non-medical participants. These SUS scores conclude that the system already provides a good user experience and is easy to use.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	chatbot, konsultasi kesehatan, ripple down rule, chatbot, medical consultation, ripple down rule
Subjects:	Q Science > QA Mathematics > QA76.76.A65 Application software. Enterprise application integration (Computer systems)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Inez Yulia Amanda
Date Deposited:	09 Feb 2024 02:46
Last Modified:	09 Feb 2024 02:46
URI:	http://repository.its.ac.id/id/eprint/106501

Actions (login required)

View Item