Sia dkk. (2024) mengembangkan sistem chatbot prediksi penyakit berbasis kecerdasan buatan dengan hasil akurasi yang menjanjikan, yaitu 90%. Mereka menggunakan empat algoritma machine learning yang berbeda untuk mengembangkan model prediksi yang dapat mengenali potensi penyakit berdasarkan gejala yang dilaporkan. Berikut adalah peforma masing-masing algoritma:
Tabel 1. Performa algoritma machine learning dalam sistem chatbot prediksi penyakit
| Algoritma | Akurasi |
| support vector machine (SVM) | 92,24% |
| random forest | 92,23% |
| k-nearest neighbors (KNN) | 91,57% |
| artificial neural network (ANN) | 91,52% |
Dari Tabel 1, algoritma SVM menunjukkan hasil akurasi tertinggi. Hasil ini menunjukkan kemampuan model dalam mengidentifikasi pola, korelasi antara penyakit dan gejala secara efektif.
Chatbot yang dikembangkan diintegrasikan dengan long short-term memory (LSTM) dan natural language toolkit (NLTK) untuk pemrosesan bahasa alami, serta diimplementasikan melalui platform Telegram untuk menciptakan antarmuka yang mudah diakses dan ramah pengguna.
Meskipun hasil penelitian ini sangat menjanjikan, Sia dkk. (2024) menekankan pentingnya mengatasi masalah privasi data dan keamanan informasi kesehatan pengguna. Mereka juga merekomendasikan pengembangan lebih lanjut, termasuk memperluas dataset dengan menambahkan sumber informasi seperti riwayat medis, faktor gaya hidup, dan data genetik.
Inovasi ini menjadi langkah maju dalam penerapan AI di bidang kesehatan, dengan potensi besar sebagai alat bantu diagnosis awal bagi tenaga medis dan masyarakat luas.
Referensi:
M. Sia, K.-W. Ng, S.-C. Haw, and J. Jayaram, “Chronic disease prediction chatbot using deep learning and machine learning algorithms,” Bulletin of Electrical Engineering and Informatics, vol. 14, no. 1, pp. 742–751, Nov. 2024, doi: 10.11591/eei.v14i1.8462. Available: https://doi.org/10.11591/eei.v14i1.8462
