SISTEM INTENT DETECTION PADA KELUHAN PASIEN UNTUK REKOMENDASI DOKTER MENGGUNAKAN METODE BIOBERT

Fitrah, Reysita Nazela (2025) SISTEM INTENT DETECTION PADA KELUHAN PASIEN UNTUK REKOMENDASI DOKTER MENGGUNAKAN METODE BIOBERT. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602100110_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32602100110_pernyataan_publikasi.pdf Restricted to Registered users only Download (266kB)

Abstract

Dalam dunia kesehatan, proses identifikasi keluhan pasien merupakan langkah awal yang sangat penting untuk menentukan perawatan yang sesuai. Keluhan pasien sangat perlu dipahami dengan cepat dan akurat untuk merekomendasikan dokter yang tepat. Sistem berbasis Intent Detection dapat membantu pengguna dalam mengidentifikasi gejala penyakit yang sedang dialami dan mendapatkan rekomendasi dokter yang tepat. Penelitian ini menerapkan model BioBert (Bidirectional Encoder Representations from Transformers for Biomedical Text Mining), sebuah model berbasis NLP (Natural Language Processing) yang dirancang untuk teks biomedis, guna meningkatkan akurasi terhadap intent keluhan pasien dalam memberikan rekomendasi dokter. Metode yang digunakan dalam penelitian ini mencakup pengumpulan data keluhan medis, pra-pemrosesan teks, implementasi model BioBert untuk deteksi intent, serta evaluasi model berdasarkan metrik akurasi dan loss. Data yang digunakan berjumlah 1004 yang diperoleh dari platform digital. Pada proses awal pra-pemrosesan dilakukan pembersihan data yang meliputi tokenisasi, stopword removal, dan stemming guna menghilangkan kata-kata yang tidak diperlukan. Lalu, data kemudian dipetakan menjadi beberapa bagian untuk menentukan dokter yang sesuai. Sistem yang dibangun berupa Sistem rekomendasi dokter yang dapat mendeteksi intent dari keluhan penyakit yang dirasakan pengguna. Hasil penelitian menunjukkan bahwa model BioBert mampu meningkatkan performa sistem dalam mengklasifikasikan keluhan medis. Model ini dapat memahami konteks bahasa medis dengan lebih baik, sehingga dapat mendeteksi dan mengelompokkan keluhan pasien dengan lebih akurat. Penggunaan model berbasis NLP ini juga memungkinkan pengolahan data dalam jumlah besar dengan efisiensi yang tinggi, sehingga sistem dapat terus diperbarui dan diperbaiki berdasarkan data baru yang masuk. Evaluasi terhadap sistem menunjukkan tingkat akurasi yang cukup tinggi dalam mendeteksi intent keluhan pasien, dengan hasil yang lebih baik dibandingkan model NLP standar lainnya. Hal ini menunjukkan bahwa penerapan BioBert dalam sistem deteksi intent berbasis teks memiliki potensi besar dalam dunia medis. Selain itu, penelitian ini juga menyoroti pentingnya kualitas data dalam meningkatkan performa model NLP. Proses pra-pemrosesan yang mencakup pembersihan data, normalisasi teks, dan penghapusan kata-kata yang tidak relevan terbukti berperan penting dalam meningkatkan akurasi deteksi intent. Dengan demikian, optimalisasi data input menjadi faktor kunci dalam keberhasilan implementasi sistem ini. Kedepannya, penelitian ini dapat diperluas dengan menambahkan lebih banyak data dari berbagai sumber, termasuk data keluhan pasien dari rumah sakit dan klinik, guna meningkatkan cakupan dan akurasi sistem. Selain itu, pengembangan fitur tambahan seperti dukungan multibahasa dan integrasi dengan rekam medis elektronik dapat lebih meningkatkan kegunaan sistem dalam lingkungan medis yang lebih luas. Implikasi dari penelitian ini sangat luas, terutama dalam konteks layanan kesehatan berbasis teknologi. Sistem yang dikembangkan dapat digunakan sebagai alat bantu bagi tenaga medis dalam menyaring keluhan pasien sebelum konsultasi langsung dilakukan. Dengan adanya sistem ini, pasien dapat lebih cepat mendapatkan rekomendasi dokter yang sesuai dengan kondisi mereka tanpa harus menunggu proses administrasi yang lama. Selain itu, sistem ini juga dapat membantu dalam mengurangi beban kerja tenaga medis dengan menyaring dan mengelompokkan keluhan secara otomatis sebelum dilakukan diagnosis lebih lanjut oleh dokter. Dengan demikian, efisiensi layanan kesehatan dapat meningkat, sementara waktu tunggu pasien dapat dikurangi secara signifikan. Secara keseluruhan, penelitian ini membuktikan bahwa penerapan teknologi NLP dalam bidang kesehatan memiliki dampak yang signifikan dalam meningkatkan akurasi deteksi intent keluhan pasien dengan nilai akurasi yang tinggi yaitu 94%. Dengan implementasi model BioBert , sistem dapat menjadi solusi inovatif dalam memberikan rekomendasi dokter secara cepat dan akurat. Pengembangan lebih lanjut terhadap sistem ini, baik dari segi data maupun fitur tambahan, dapat semakin memperkaya manfaatnya dalam dunia medis. Oleh karena itu, penelitian ini menjadi langkah awal yang menjanjikan dalam penerapan kecerdasan buatan untuk meningkatkan kualitas layanan kesehatan di masa depan. Kata kunci : Intent Detection, BioBert , Natural Languange Processing, Rekomendasi Dokter.

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 1 UNISSULA
Date Deposited:	12 Jun 2025 01:42
URI:	http://repository.unissula.ac.id/id/eprint/40103

Actions (login required)

View Item