<![CDATA[Penyakit saluran pencernaan merupakan salah satu gangguan kesehatan dengan prevalensi tinggi di Indonesia, namun seringkali mengalami keterlambatan diagnosis akibat keterbatasan akses medis dan minimnya pengetahuan masyarakat. Penelitian ini bertujuan untuk merancang sistem chatbot berbasis website yang mampu memberikan diagnosis awal penyakit saluran pencernaan secara otomatis dan real-time. Metode penelitian yang digunakan adalah model pengembangan Waterfall dengan algoritma Naive Bayes Classifier sebagai mesin inferensi utama. Penelitian ini menggunakan dataset sekunder yang terdiri dari 520 kasus dengan 6 label penyakit (GERD, Gastritis, IBS, Diare Akut, Konstipasi, Ulkus Peptikum) dan 28 atribut gejala. Sistem dikembangkan menggunakan framework Flask dan diintegrasikan dengan teknologi Large Language Model (LLM) melalui Chatbase untuk interaksi natural. Hasil pengujian Blackbox menunjukkan tingkat keberhasilan fungsional 100%. Evaluasi performa model menunjukkan bahwa sistem mampu memberikan rekomendasi diagnosis dengan tingkat kepercayaan yang memadai, di mana 86,7% kasus uji menghasilkan probabilitas utama di atas 25%. Sistem ini terbukti efektif sebagai media skrining awal yang aksesibel, efisien (waktu komputasi rata-rata 0,023 detik), dan mampu memberikan edukasi kesehatan yang interaktif bagi masyarakat.]]>
Copyrights © 2025
