Pembuatan Chatbot Berbasis WEB Sebagai Alat Pendeteksi Dini Gangguan Kecemasan Pada Pengguna

Hamidi, Gary Dimitri (2023) Pembuatan Chatbot Berbasis WEB Sebagai Alat Pendeteksi Dini Gangguan Kecemasan Pada Pengguna. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211840000014-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2025. Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Request a copy

Abstract

Menurut Kementerian Kesehatan Republik Indonesia (Kemenkes), angka gangguan kecemasan yang dialami oleh masyarakat mengalami kenaikan selama masa pandemi. Penelitian yang telah dilakukan pada 2021 oleh Badan Penelitian dan Pengembangan Kesehatan Kementerian Kesehatan menemukan bahwa gangguan cemas meningkat sekitar 6,8 persen. Gangguan kecemasan dapat menyebabkan berbagai dampak buruk kepada penderitanya, antara lain menyebabkan gangguan mental lain seperti depresi (sering terjadi bersamaan dengan gangguan mental), penyalahgunaan obat-obatan, insomnia, permasalahan pencernaan, isolasi sosial, sulit fokus saat bekerja, dan yang paling parah dapat menyebabkan bunuh diri. Kita dapat mengurangi efek buruk yang diakibatkan oleh gangguan kecemasan dengan segara mengidentifikasi dini gejala agar dapat dengan lebih cepat untuk ditangani. Maka dari itu dibuatlah aplikasi chatbot berbasis web untuk mengidentifikasi dini penyakit gangguan kecemasan pada pengguna dalam bahasa indonesia. Salah satu cara yang akan dilakukan adalah membuat aplikasi chatbot yang pertama yaitu mengambil data melalui website Alodokter, kemudian membuat model dengan menggunakan algoritma convolutional neural network, dan selanjutnya yaitu membuat aplikasi berbasis web dan mengimplementasikan model menggunakan sistem backend flask. Hasil yang diperoleh dari uji coba yang telah dilakukan menghasilkan akurasi sebesar 0.83, dan berdasarkan hasil perhitungan berdasarkan confusion matrix, akurasi yang dihasilkan yaitu sebesar 0.81, presisi sebesar 0.87, recall sebesar 0.75, dan f1-measure sebesar 0.81 yang berarti model cnn dan implementasinya cukup akurat dalam memprediksi dan mengidentifikasi topik dari gejala gangguan kecemasan dan layak diterapkan pada tugas akhir ini.
============================================================================================================================================
According to the Ministry of Health of the Republic of Indonesia (Kemenkes), the number of anxiety disorders experienced by people has increased during the pandemic. Research conducted in 2021 by the Ministry of Health's Health Research and Development Agency found that anxiety disorders increased by around 6.8 percent. Anxiety disorders can cause various adverse effects on sufferers, including causing other mental disorders such as depression (often occurring together with mental disorders), substance abuse, insomnia, digestive problems, social isolation, difficulty focusing at work, and the worst can be cause suicide. We can reduce the adverse effects caused by anxiety disorders by immediately identifying early symptoms so that they can be treated more quickly. Therefore a web-based chatbot application was created to identify early anxiety disorders in users in Indonesian. One way to do this is to make the first chatbot application, which is to retrieve data through the ALODOKTER website, then create a model using the convolutional neural network algorithm, and then create a web-based application and implement the model using the Flask backend system. The results obtained from the trials that have been carried out produce an accuracy of 0.83, and based on the results of calculations based on the confusion matrix, the resulting accuracy is 0.81, precision is 0.87, recall is 0.75, and f1-measure is 0.81 which means the CNN model and its implementation are sufficient. accurate in predicting and identifying topics from symptoms of anxiety disorders and is feasible to be applied in this final project.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Anxiety Disorder, Chatbot, Convolutional Neural Network, Flask, Kecemasan, Web.
Subjects:	B Philosophy. Psychology. Religion > BF Psychology Q Science > Q Science (General) > Q325.5 Machine learning.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Gary Dimitri Hamidi
Date Deposited:	08 Feb 2023 04:20
Last Modified:	08 Feb 2023 04:20
URI:	http://repository.its.ac.id/id/eprint/96412

Actions (login required)

View Item