Krusial.com — Pemanfaatan data media sosial terus dikembangkan untuk meningkatkan performa large language model (LLM) di bidang kesehatan. Teknologi ini memungkinkan analisis informasi berbasis teks secara cepat dan kontekstual melalui kecerdasan buatan.
“Media sosial memiliki karakteristik user-generated content (UGC), konektivitas, dan partisipasi,” kata Prabu Kresna Putra dari Pusat Riset Sains Data dan Informasi (PRSDI) BRIN dalam Webinar PRSDI #07, Rabu (2/7/2025). LLM dapat memahami teks dan memberikan respons layaknya manusia dalam beragam situasi informasi publik.
Namun, LLM memiliki keterbatasan seperti potensi halusinasi dan ketergantungan pada data pelatihan. “Hal ini menyebabkan LLM kadang menghasilkan informasi salah namun terdengar meyakinkan,” kata Prabu menjelaskan.
Untuk mengatasi hal tersebut, pendekatan retrieval-augmented generation (RAG) diperlukan dalam pemrosesan data. RAG memungkinkan LLM mengakses data eksternal seperti jurnal ilmiah dan panduan medis yang telah divalidasi.
Dengan begitu, kualitas respons dapat ditingkatkan melalui sumber yang terpercaya dan relevan. Prabu bersama timnya mengembangkan Chatbot-LISA, chatbot berbasis web untuk edukasi pasien hemodialisa.
“Chatbot-LISA versi 2.0 sudah mengadopsi model LLM, penyempurnaan RAG dan dataset tervalidasi ahli,” ujarnya. Data pada Chatbot-LISA diproteksi guna menjaga privasi pengguna dalam setiap interaksi digital berbasis web.
Chatbot ini dirancang untuk menjawab pertanyaan umum seputar hemodialisis. Ada delapan kategori informasi dalam chatbot ini, termasuk obat, makanan, penyakit, dan gaya hidup pasien.
Chatbot ini tidak menggantikan otoritas medis dan bukan rujukan tindakan medis. Prabu berharap LLM dapat membantu pasien hemodialisis dan tenaga medis dalam memperoleh informasi yang cepat dan tepat.
Pendekatan ini menunjukkan potensi AI dalam pelayanan kesehatan digital berbasis data publik. Selain di bidang medis, LLM juga dikembangkan untuk pendidikan oleh Indra Budi dari Universitas Indonesia.
“LLM di dunia pendidikan dapat digunakan untuk pembuatan soal otomatis sesuai tujuan pembelajaran,” ucapnya. LLM disebut tidak bisa menggantikan guru atau siswa dalam proses belajar di tingkat dasar dan menengah.
Validasi hasil tetap menjadi tanggung jawab pengajar sebagai pendamping utama. Dalam topik lain, Andino Maseleno dari International Open University, Gambia, mengangkat penggunaan LLM dalam deteksi deepfake.
Deepfake melibatkan manipulasi video, audio, gambar, dan rekaman digital menggunakan kecerdasan buatan. “Konten tidak asli tersebut dihasilkan oleh AI melalui tahapan pengumpulan data dan deteksi wajah,” katanya.
Proses lanjutannya meliputi ekstraksi fitur wajah serta identifikasi ekspresi dan struktur wajah. Tahap berikutnya adalah seleksi fitur dan pemilihan model seperti CNN, SVM, dan XceptioNet untuk analisis.
“Terakhir dilakukan validasi model. Dengan menguji performa model,” ujarnya.***
Tinggalkan Balasan