Pendahuluan
Demam Berdarah Dengue (DBD) masih menjadi masalah kesehatan serius di Indonesia dengan ribuan kasus setiap tahun. Keterlambatan deteksi sering berakibat fatal. Penelitian ini merancang chatbot berbasis Natural Language Processing (NLP) yang dapat melakukan skrining awal gejala DBD dan memberikan rekomendasi tindakan.
Metodologi Pengembangan
Chatbot dikembangkan menggunakan framework Rasa dengan arsitektur transformer. Dataset berupa 3.000 percakapan simulasi pasien-dokter mengenai gejala DBD. Fitur yang diekstrak: demam, nyeri otot, ruam kulit, mimisan, dan muntah. Intent classification menggunakan algoritma DIET (Dual Intent and Entity Transformer).
Arsitektur Sistem
Chatbot diintegrasikan dengan platform Telegram untuk kemudahan akses. Backend menggunakan Python dengan database MySQL untuk menyimpan riwayat percakapan. Sistem memiliki tiga lapisan: antarmuka pengguna, mesin NLP, dan basis pengetahuan medis.
Hasil Pengujian
Pengujian melibatkan 50 responden dengan skenario gejala bervariasi. Chatbot berhasil mengidentifikasi gejala DBD dengan akurasi 88,5%. Sensitivitas 91% untuk kasus DBD positif, spesifisitas 85% untuk kasus non-DBD. Waktu respons rata-rata 1,2 detik.
Pembahasan
Chatbot efektif sebagai alat skrining awal, terutama di daerah dengan akses terbatas ke tenaga kesehatan. Sistem memberikan rekomendasi: (1) istirahat dan minum jika gejala ringan, (2) segera ke puskesmas jika gejala sedang, (3) panggil ambulans jika gejala berat (perdarahan).
Kesimpulan
Chatbot NLP terbukti layak sebagai alat bantu deteksi dini DBD. Pengembangan lebih lanjut memerlukan validasi klinis dan integrasi dengan rekam medis elektronik.
Kata Kunci: Chatbot Kesehatan, NLP, Demam Berdarah, Deteksi Dini, Kecerdasan Buatan