Implementation of the Long Short-Term Memory Algorithm in a Chatbot for Dengue Fever Information and Education Services

Abstract

Abstrak Demam berdarah merupakan salah satu penyakit menular yang banyak terjadi di Indonesia. Informasi pencegahan dan penanganan demam berdarah masih bersifat parsial, terbatas jangkauan dan waktu. chatbot dikembangkan dengan menggabungkan Long Short-Term Memory untuk menjawab berbagai pertanyaan mengenai demam berdarah, termasuk gejala, pencegahan, dan cara penanganannya. Dataset yang digunakan mencakup pertanyaan dan jawaban tentang demam berdarah yang berasal dari data primer dan sekunder. Dataset diproses dan dianalisis melalui serangkaian tahapan preprocessing data untuk kemudian dilakukan pembuatan model, training dan evaluasi model. Hasil pengujian menunjukkan bahwa model yang dibuat memiliki nilai akurasi sebesar 100% pada validasi dengan fungsi loss sebesar 0,0221. Hasil tersebut menunjukkan chatbot berbasis Long Short-Term Memory dapat memberikan jawaban yang akurat dan relevan, serta efektif dalam memberikan edukasi kepada masyarakat secara efisien dan interaktif. Implementasi ini diharapkan dapat menawarkan solusi inovatif dalam meningkatkan kesadaran publik tentang pencegahan dan penanganan demam berdarah. Kata kunci: demam berdarah, long short-term memory, chatbot, layanan Abstract Dengue fever is one of the most common infectious diseases in Indonesia. However, information regarding its prevention and treatment remains fragmented, with limited accessibility and availability. This study developed a chatbot integrating the Long Short-Term Memory (LSTM) algorithm to answer various questions about dengue fever, including its symptoms, prevention, and treatment. The dataset used consists of questions and answers related to dengue fever, sourced from both primary and secondary data. The data undergoes a series of preprocessing steps before being used for model development, training, and evaluation. The test results indicate that the developed model achieved an accuracy of 100% during validation with a loss function value of 0.0221. These findings demonstrate that the LSTM-based chatbot can provide accurate and relevant responses, making it an effective tool for educating the public in an interactive and efficient manner. This implementation is expected to offer an innovative solution for increasing public awareness of dengue fever prevention and management.