Implementasi Retrieval Augmented Generation dalam Sistem Chatbot Dermatologi Berbasis Website

Abstract

Indonesia yang beriklim tropis, memiliki sanitasi yang kurang memadai, serta terbatasnya akses terhadap layanan medis, khususnya di daerah terpencil, menjadi faktor utama penyebab tingginya kasus penyakit kulit. Akses langsung ke dokter spesialis kulit masih menjadi kendala bagi sebagian masyarakat. Penelitian ini bertujuan untuk mengembangkan Chatbot konsultasi penyakit kulit dengan pendekatan Retrieval Augmented Generation (RAG), menggunakan framework LangChain, model LLaMA, dan database vektor Qdrant. Dataset penelitian mencakup 30 jenis penyakit kulit yang diambil dari National Library of Medicine. Tahapan preprocessing data meliputi normalisasi spasi, penghapusan karakter non-standar, serta penanganan data kosong agar konsisten sebelum proses vektorisasi. Hasil evaluasi menunjukkan skor Faithfulness sebesar 0,9429 dan LLMContextRecall sebesar 0,9600, yang mencerminkan kualitas jawaban yang relevan dan sesuai dengan dokumen sumber. Namun, skor Precision yang masih rendah (0,4720) menunjukkan bahwa aspek ketepatan informasi perlu ditingkatkan. Chatbot ini diintegrasikan dengan platform Chainlit untuk menyediakan antarmuka pengguna yang interaktif, termasuk fitur login, histori percakapan, dan pemberian umpan balik, yang mendukung pengembangan sistem berbasis masukan pengguna. Waktu pengambilan informasi terbilang cepat (0,08–0,29 detik), meskipun proses pembuatan jawaban masih cukup lama karena keterbatasan penggunaan CPU (255–283 detik). Pengembangan ke depan disarankan mencakup peningkatan akurasi jawaban, optimalisasi performa model, penambahan referensi data medis, serta fitur validasi medis otomatis guna meningkatkan keandalan sistem. Dengan demikian, Chatbot ini berpotensi menjadi solusi alternatif yang terjangkau dan efektif untuk memberikan informasi awal terkait penyakit kulit bagi masyarakat dengan akses terbatas ke layanan medis.

Ähnliche Arbeiten