Intent recognition untuk pertanyaan seputar penyakit THT pada closed-domain medical chatbot menggunakan TinyBERT-BiLSTM

THT atau Telinga Hidung Tenggorokan merupakan cabang kedokteran yang berfokus pada penyakit-penyakit yang berhubungan telinga hidung dan tenggorokan. Berbanding terbalik dengan pentingnya THT, hingga saat ini jumlah dokter spesialis THT sangatlah terbatas jika dibandingkan dengan kebutuhan di lapangan. Hal ini akan memberikan dampak yang cukup buruk nantinya, di mana akan berpengaruh pada kualitas pelayanan bagi pasien-pasien THT. Penggunaan teknologi dapat dicoba untuk mengatasi permasalahan ini, salah satunya adalah dengan menggunakan medical chatbot. Salah satu kekurangan dari chatbot yang terletak pada seberapa valid jawaban yang diberikan atas pertanyaan yang diberikan. Chatbot akan dibuat dengan menggunakan gabungan dari model TinyBERT dan BiLSTM pada proses intent recognition untuk membantu kinerja chatbot dalam menjawab. Selain itu chatbot akan dibuat dengan memanfaatkan Large Language Model milik OpenAI yaitu GPT. Large Language Model GPT pada chatbot digunakan untuk generate jawaban sebagai untuk output daripada chatbot. Penggunaan gabungan dari TinyBERT dan BiLSTM sebagai model untuk proses intent recognition menunjukkan hasil yang cukup bagus dengan angka akurasi sebesar 86.5%. sedangkan untuk hasil akurasi jawaban dari chatbot yang dibuat berada di kisaran 67.6% dengan akurasi pada pengujian pertama sebesar 72.8% sedangkan pada pengujian kedua sebesar 53.8%.

STEVEN CHRISTANDO Ir. Djoni Haryadi Setiabudi, M.Eng. (Advisor 1); dr. Olivia Tantana M.Biomed,SpTHTBKL (Advisor 2); Liliana (Examination Committee 1); Rolly Intan (Examination Committee 2) Universitas Kristen Petra Indonesian Digital Theses Undergraduate Thesis Skripsi/Undergraduate Thesis Skripsi No. 01022521/INF/2024; Steven Christando (C14200094) CHATBOTS--COMPUTER PROGRAMS; OTOLARYNGOLOGY; QUESTION ANSWERING SYSTEMS

Files