Chatbot untuk konsultasi kesehatan mental menggunakan long short-term memory (LSTM)

INDONESIA:

Kesehatan mental di Indonesia belum mendapatkan perhatian yang memadai, terbukti dari data bahwa 6,1% masyarakat berusia 15 tahun ke atas mengalami gangguan emosional, tetapi hanya 9,6% yang mendapatkan pengobatan. Kurangnya akses layanan kesehatan mental yang berkualitas dan terjangkau menjadi kendala utama. Penelitian ini bertujuan untuk mengembangkan chatbot berbasis Long Short-Term Memory (LSTM) untuk konsultasi kesehatan mental. LSTM dipilih karena kemampuannya menangani data sekuensial, memahami konteks percakapan, dan memberikan respons yang relevan serta bermakna. Penelitian ini menggunakan arsitektur dua layer LSTM dengan berbagai skenario pengujian, termasuk pembagian data latih-uji, jumlah unit LSTM, dan dimensi word embedding. Hasil terbaik diperoleh dengan rasio data latih-uji 80:20, jumlah unit LSTM 128 dan 256, serta dimensi embedding 300, menghasilkan akurasi 0,77, presisi 0,83, recall 0,77, dan F1-score 0,77. Chatbot ini diharapkan dapat meningkatkan akses layanan kesehatan mental yang berkualitas dan membantu masyarakat Indonesia mengatasi masalah kesehatan mental secara lebih efektif.

ENGLISH:

Mental health in Indonesia has not received adequate attention, as evidenced by the data that 6.1% of people aged 15 years and over experience emotional disorders, but only 9.6% receive treatment. Lack of access to quality and affordable mental health services is a major obstacle. This research aims to develop a Long Short-Term Memory (LSTM)-based chatbot for mental health consultation. LSTM was chosen for its ability to handle sequential data, understand the context of the conversation, and provide relevant and meaningful responses. This research utilizes a two-layer LSTM architecture with various testing scenarios, including training-test data split, number of LSTM units, and word embedding dimension. The best results were obtained with a training-test data ratio of 80:20, number of LSTM units of 128 and 256, and embedding dimension of 300, resulting in an accuracy of 0.77, precision of 0.83, recall of 0.77, and F1-score of 0.77. This chatbot is expected to increase access to quality mental health services and help Indonesians overcome mental health problems more effectively.

ARABIC:

لم تحظَ الصحة النفسية في إندونيسيا بالاهتمام الكافي، كما يتضح من البيانات التي تشير إلى أن 6.1% من الأشخاص الذين تبلغ أعمارهم 15 سنة فأكثر يعانون من اضطرابات نفسية، ولكن 9.6% فقط يتلقون العلاج. ويشكل نقص الوصول إلى خدمات الصحة النفسية الجيدة والميسورة التكلفة عقبة رئيسية. يهدف هذا البحث إلى تطوير روبوت دردشة آلي قائم على الذاكرة طويلة المدى (LSTM) لاستشارات الصحة النفسية. وقد اختيرت هذه التقنية لقدرتها على التعامل مع البيانات المتسلسلة، وفهم سياق المحادثة، وتقديم ردود ذات صلة وذات مغزى. يستخدم هذا البحث بنية LSTM ثنائية الطبقات مع سيناريوهات اختبار مختلفة، بما في ذلك تقسيم بيانات التدريب والاختبار، وعدد وحدات LSTM، وبُعد تضمين الكلمات. وقد تم الحصول على أفضل النتائج مع نسبة بيانات التدريب إلى الاختبار بنسبة 80:20، وعدد وحدات LSTM 128 و256، وبُعد تضمين الكلمات 300، مما أدى إلى دقة 0.77، ودقة 0.83، واستدعاء 0.77، ودرجة F1 0.77. من المتوقع أن يزيد روبوت الدردشة الآلي هذا من إمكانية الوصول إلى خدمات الصحة النفسية الجيدة ويساعد الإندونيسيين في التغلب على مشاكل الصحة النفسية بشكل أكثر فعالية.