EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Implementasi Arsitektur Hybrid RAG pada Chatbot Skrining Kesehatan Mental

M Dhimas Hadid Fachrezy, Nazruddin Safaat, Muhammad Irsyad, Febi Yanto

Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) · 01.06.2026 · 4 (1) · 150-159

DOI: 10.52060/juptik.v4i1.4342 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK), online erschienen am 01.06.2026. Verfasst von M Dhimas Hadid Fachrezy und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kesehatan mental pekerja merupakan tantangan global yang mendesak. Di Indonesia, hanya 57% penyandang gangguan jiwa yang memperoleh layanan kesehatan mental, masih jauh dari target nasional sebesar 90%. Sistem Retrieval-Augmented Generation (RAG) konvensional belum dirancang untuk menangani data asesmen psikometri dan pengambilan literatur klinis secara bersamaan tanpa meningkatkan risiko halusinasi. Penelitian ini mengusulkan arsitektur Hybrid RAG dengan Query Router berlapis untuk mengintegrasikan interpretasi psikometri yang bersifat deterministik dan retrieval pengetahuan klinis yang relevan secara semantik. Sebuah chatbot skrining kesehatan mental dikembangkan pada Telegram menggunakan arsitektur dua jalur yang memisahkan pemrosesan relasional melalui PostgreSQL dan retrieval semantik melalui Qdrant, BM25, serta Distribution-Based Score Fusion (DBSF). Sistem dikendalikan oleh Query Router empat lapis dan Routing-Aware Quality Gate dengan kebijakan Fail-Closed. Lima instrumen psikometri diimplementasikan, yaitu WHO-5, GAD-7, M-TBI, K10, dan NAQ-R. Evaluasi dilakukan menggunakan LaBSE BERTScore, E5 Cosine Similarity, dan RAGAS LLM-as-a-Judge. Hasil pengujian menunjukkan bahwa Query Router mencapai akurasi klasifikasi 100% pada 100 kueri uji. Konfigurasi Hybrid RAG dengan DBSF memperoleh nilai LaBSE F1 tertinggi sebesar 0,7039 dan E5 Cosine Similarity sebesar 0,9234. Selain itu, skor Faithfulness sebesar 0,9350 menunjukkan bahwa sebagian besar klaim yang dihasilkan didukung oleh dokumen klinis yang berhasil diambil sistem. Nilai Answer Correctness sebesar 0,7447 dipengaruhi keterbatasan evaluasi lintas bahasa, bukan kelemahan arsitektur yang diusulkan.

Zitieren

APA

Fachrezy, M. D. H., Safaat, N., Irsyad, M., & Yanto, F. (2026). Implementasi Arsitektur Hybrid RAG pada Chatbot Skrining Kesehatan Mental. Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK), 4(1), 150-159. https://doi.org/10.52060/juptik.v4i1.4342

Vancouver

Fachrezy MDH, Safaat N, Irsyad M, Yanto F. Implementasi Arsitektur Hybrid RAG pada Chatbot Skrining Kesehatan Mental. Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK). 2026;4(1):150-159. doi:10.52060/juptik.v4i1.4342

BibTeX
@article{Fachrezy2026,
  author = {Fachrezy, M Dhimas Hadid and Safaat, Nazruddin and Irsyad, Muhammad and Yanto, Febi},
  title = {Implementasi Arsitektur Hybrid RAG pada Chatbot Skrining Kesehatan Mental},
  journal = {Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK)},
  year = {2026},
  volume = {4},
  number = {1},
  pages = {150--159},
  doi = {10.52060/juptik.v4i1.4342}
}
Kostenlos starten →