IMPLEMENTASI METODE LONG SHORT-TERM MEMORY UNTUK KONSULTASI PERMASALAHAN KULIT BERBASIS CHATBOT

Penelitian ini mengembangkan chatbot berbasis Natural Language Processing (NLP) menggunakan algoritma Long Short-Term Memory (LSTM) untuk memberikan konsultasi terkait permasalahan kulit. Tahapan penelitian meliputi pengumpulan data melalui wawancara dengan dokter kulit dan sumber daring, pra-pemrosesan data dengan tokenization dan padding, pembangunan serta pelatihan model LSTM, dan evaluasi model menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan akurasi model sebesar 99.46% dengan nilai precision, recall, dan F1-score berbobot masing-masing 0.99, mencerminkan performa yang sangat baik. Namun, performa pada kelas minoritas menurun akibat keterbatasan data. Chatbot ini terbukti efektif dalam memberikan solusi berbasis teks, tetapi masih dapat dikembangkan melalui penambahan data, integrasi speech recognition atau image recognition, serta pengujian pada data nyata untuk meningkatkan generalisasi dan kegunaan sistem.