EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Implementasi Retrieval Augmented Generation (RAG) Dalam Perancangan Chatbot Kesehatan Pencernaan

Gufranaka Samudra, Ahmad Turmudi Zy, Ermanto

JSAI (Journal Scientific and Applied Informatics) · 22.01.2025 · 8 (1) · 181-188

DOI: 10.36085/jsai.v8i1.7678 ↗

Kurz gefasst

Fachartikel in der Zeitschrift JSAI (Journal Scientific and Applied Informatics), online erschienen am 22.01.2025. Verfasst von Gufranaka Samudra und 2 weiteren Autor:innen. Die Arbeit wurde bisher 3-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Perkembangan teknologi kecerdasan buatan, khususnya dalam pengembangan chatbot, telah membawa kemajuan signifikan, terutama di bidang kesehatan. Namun, tantangan utama dalam penggunaan model bahasa besar (Large Language Models/LLM) adalah potensi bias dan kurangnya akurasi dalam memberikan informasi, terutama pada topik kritis seperti kesehatan pencernaan. Penelitian ini bertujuan untuk mengimplementasikan Retrieval-Augmented Generation (RAG) dalam perancangan chatbot kesehatan pencernaan guna meningkatkan akurasi dan relevansi informasi yang disampaikan. Metode RAG mengintegrasikan model generatif dengan sistem retrieval berbasis dokumen untuk memberikan jawaban yang lebih terpercaya dan berbasis bukti. Proses penelitian melibatkan pengumpulan dataset kesehatan pencernaan melalui scraping data dari Alodokter, serta pengolahan data melalui tahap preprocessing, embedding menggunakan model bahasa Indonesia (firqaaa/indo-sentence-bert-base), dan pengolahan data menggunakan database vektor dengan index HNSW. Model Llama 3.1:8b digunakan untuk menghasilkan respons generatif. Hasil penelitian menunjukkan bahwa penerapan RAG dapat mengurangi bias model dan meningkatkan kualitas respons chatbot. Evaluasi menggunakan metrik seperti Mean Reciprocal Rank (MRR) 93%, Faithfullness 62%, Answer Relevancy 57%, dan Semantic Similarity 81% menunjukkan kinerja yang baik dalam memberikan jawaban yang akurat dan relevan sesuai konteks. Dengan pendekatan ini, chatbot mampu memberikan informasi yang lebih akurat dan kontekstual sesuai dengan kebutuhan pengguna, serta dapat mengurangi risiko halusinasi dalam informasi yang diberikan. Penelitian ini memberikan kontribusi dalam pengembangan teknologi chatbot kesehatan yang lebih andal, khususnya di domain kesehatan pencernaan, dan membuka peluang untuk pengaplikasian lebih lanjut pada bidang kesehatan lainnya.

Zitieren

APA

Samudra, G., Zy, A. T., & Ermanto (2025). Implementasi Retrieval Augmented Generation (RAG) Dalam Perancangan Chatbot Kesehatan Pencernaan. JSAI (Journal Scientific and Applied Informatics), 8(1), 181-188. https://doi.org/10.36085/jsai.v8i1.7678

Vancouver

Samudra G, Zy AT, Ermanto. Implementasi Retrieval Augmented Generation (RAG) Dalam Perancangan Chatbot Kesehatan Pencernaan. JSAI (Journal Scientific and Applied Informatics). 2025;8(1):181-188. doi:10.36085/jsai.v8i1.7678

BibTeX
@article{Samudra2025,
  author = {Samudra, Gufranaka and Zy, Ahmad Turmudi and Ermanto},
  title = {Implementasi Retrieval Augmented Generation (RAG) Dalam Perancangan Chatbot Kesehatan Pencernaan},
  journal = {JSAI (Journal Scientific and Applied Informatics)},
  year = {2025},
  volume = {8},
  number = {1},
  pages = {181--188},
  doi = {10.36085/jsai.v8i1.7678}
}
Kostenlos starten →