Pengolahan Bahasa Alami untuk Anamnesis Penyakit pada Anak

Abstract

Natural Language Processing (NLP) telah banyak diterapkan dalam bidang medis, namun belum dimanfaatkan secara luas untuk proses anamnesis penyakit pada anak. Tantangan utama dalam anamnesis adalah komunikasi verbal antara pasien dan dokter yang beragam, sehingga dapat menghambat kecepatan dan ketepatan diagnosis. Kesalahan dalam proses diagnosis dapat berakibat pada penanganan yang tidak optimal dan membahayakan pasien, terutama dalam kasus penyakit dengan gejala demam seperti Demam Berdarah Dengue (DBD), Infeksi Saluran Pernapasan Akut (ISPA), Demam Tifoid, dan Infeksi Saluran Kemih (Urinary Tract Infection). Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan NLP dalam proses anamnesis penyakit pada anak dengan mengonversi keluhan suara pasien ke dalam bentuk teks dan mengidentifikasi gejala menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Penelitian ini menggunakan pendekatan Cross Industry Standard for Data Mining (CRISP-DM) dalam memproses data anamnesis berbentuk suara (.wav) yang diperoleh dari Klinik Margorejo. Tahapan preprocessing yang diterapkan mencakup case folding, tokenizing, filtering, dan stemming, sebelum diterapkan metode TF-IDF dan Cosine Similarity untuk analisis kemiripan gejala. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan memungkinkan pengguna untuk melakukan konsultasi terkait gejala penyakit berbasis website. Sistem ini berhasil mengenali gejala dengan nilai kemiripan di atas ambang batas 0,15, serta mengelompokkan gejala yang dikenali berdasarkan “The Sacred Seven of History Taking” untuk memudahkan dokter dalam proses diagnosis. Penerapan NLP dalam anamnesis penyakit pada anak dapat meningkatkan keakuratan interpretasi keluhan pasien serta mendukung proses pengambilan keputusan medis. Hasil penelitian ini menunjukkan bahwa metode yang digunakan efektif dalam mengenali pola gejala dari input suara pasien. Untuk penelitian selanjutnya, pengembangan model NLP dengan pendekatan deep learning direkomendasikan guna meningkatkan akurasi sistem dalam mengenali gejala penyakit pada anak.