Pembangunan Chatbot penyedia informasi kesehatan dengan algoritma Long Short Term Memory

Basyus, Mahran Rangga (2024) Pembangunan Chatbot penyedia informasi kesehatan dengan algoritma Long Short Term Memory. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_Cover.pdf

Download (86kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (71kB) | Preview
[img]
Preview
Text
3_daftarisi.pdf

Download (440kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (270kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (606kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (233kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (163kB) | Request a copy
[img]
Preview
Text
9_daftarpustaka.pdf

Download (261kB) | Preview

Abstract

Di era digital saat ini, kebutuhan akan akses informasi kesehatan yang cepat dan akurat semakin meningkat. Chatbot berbasis aplikasi pesan yang diimplementasi ke dalam Telegram menawarkan solusi yang efisien untuk menyediakan informasi kesehatan kepada masyarakat luas. Pembangunan sistem chatbot berbasis Telegram menggunakan algoritma Long Short-Term Memory (LSTM) bertujuan untuk menyediakan informasi kesehatan yang akurat dan relevan. Proses pengembangan dimulai dengan pengumpulan dan pemrosesan data percakapan kesehatan, yang kemudian diolah melalui langkah-langkah tokenisasi dan padding. Model LSTM yang dikembangkan terdiri dari lapisan embedding, flatten, LSTM, dan dense, yang berfungsi untuk mengklasifikasikan teks percakapan. Setelah model dilatih, chatbot diintegrasikan dengan platform Telegram, memungkinkan sistem untuk memproses pesan pengguna dan memberikan respons yang sesuai. Pengujian sistem dilakukan dengan beberapa skenario split data, skenario split data 90:10 menunjukkan akurasi terbaik yaitu menunjukkan akurasi sebesar 0.78, presisi 0.88, dan recall 0.78.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Chatbot; Long Short-Term Memory; Kesehatan; Masyarakat; Informatika
Subjects: Data Processing, Computer Science
Engineering > Engineers
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Mahran Rangga Basyus
Date Deposited: 28 Aug 2024 08:17
Last Modified: 28 Aug 2024 08:17
URI: https://digilib.uinsgd.ac.id/id/eprint/94465

Actions (login required)

View Item View Item