<![CDATA[Layanan hotline kesehatan mental menjadi solusi penting dalam menangani krisis psikologis secara cepat dan anonim. Namun, penilaian tingkat urgensi percakapan masih bergantung pada intuisi manusia yang rentan terhadap bias dan keterlambatan. Penelitian ini mengembangkan sistem berbasis Natural Language Processing (NLP) dengan model BERT untuk mengklasifikasikan tingkat urgensi percakapan pada layanan hotline ke dalam tiga kategori: rendah, sedang, dan tinggi. Sistem diimplementasikan dalam antarmuka berbasis web menggunakan Flask, dengan backend berbasis Python dan database MySQL. Penelitian menggunakan pendekatan dengan model Agile, dan dataset terdiri dari 150 percakapan yang telah dilabeli secara manual. Hasil pengujian menunjukkan akurasi model mencapai 70%, dengan precision dan recall tertinggi pada kategori "rendah". Sistem ini mampu melakukan klasifikasi real-time dan memberikan rekomendasi kepada operator. Implementasi awal menunjukkan bahwa sistem ini meningkatkan efisiensi dan objektivitas layanan. Penelitian ini memberikan kontribusi terhadap digitalisasi layanan kesehatan mental dan menunjukkan potensi NLP dalam intervensi krisis berbasis teks]]>
Copyrights © 2025
