JORAPI : Journal of Research and Publication Innovation Vol.
No.
April 2026
Halaman : 19-24
ISSN : 2985-4768
IMPLEMENTASI INOVATIF CHATBOT BERBASIS NLP UNTUK
MENINGKATKAN EFISIENSI PELAYANAN PASIEN PADA KLINIK
KHITAN DR.
SARWOKO
Dzaki Rozaan1.
Anis Mirza2
1, 2
Program Studi Teknik Informatika.
Fakultas Ilmu Komputer.
Universitas Pamulang Jl.
Surya Kencana No.
Pamulang.
Tangerang Selatan.
Banten.
Indonesia e-mail: 1rozaandzaki@gmail.
com, 2dosen00289@unpam.
Abstract The use of digital technology in healthcare communication remains minimal in Indonesia, with over 80% of health facilities not yet optimally connected to digital systems.
This study aims to design and implement a Natural Language Processing (NLP)-based chatbot integrated with WhatsApp to enhance patient service efficiency at Klinik Khitan Dr.
Sarwoko.
The system was built using Node.
js (Baileys librar.
for WhatsApp integration and Python (Flas.
as the NLP processing backend, with SQLite as the database and an HTML/JavaScript admin dashboard.
The system supports over 35 intent categories using a rulebased keyword matching approach with Sastrawi preprocessing.
Black Box Testing on 47 test scenarios across 7 categories achieved 100% success rate.
White Box Testing on 5 main modules produced an average cyclomatic complexity of V(G) = 4.
0 (Low Ris.
A questionnaire survey of 20 respondents yielded an overall satisfaction score of 4.
42/5 (Excellen.
The chatbot operates 24 hours a day with an average response time of 1.
5 seconds, significantly reducing repetitive workload for administrative staff and improving patient service accessibility.
Keywords: Chatbot.
NLP.
WhatsApp.
Patient Service.
Intent Classification Abstrak Pemanfaatan teknologi digital dalam komunikasi layanan kesehatan di Indonesia masih minim, di mana lebih dari 80% fasilitas kesehatan belum terhubung secara optimal dengan sistem digital.
Penelitian ini bertujuan merancang dan mengimplementasikan chatbot berbasis Natural Language Processing (NLP) yang terintegrasi dengan WhatsApp untuk meningkatkan efisiensi pelayanan pasien di Klinik Khitan Dr.
Sarwoko.
Sistem dibangun menggunakan Node.
ibrary Bailey.
untuk integrasi WhatsApp dan Python (Flas.
sebagai backend pemrosesan NLP, dengan SQLite sebagai basis data serta dashboard admin berbasis HTML/JavaScript.
Sistem mendukung lebih dari 35 kategori intent menggunakan pendekatan rulebased keyword matching dengan preprocessing Sastrawi.
Pengujian Black Box pada 47 skenario uji dalam 7 kategori mencapai tingkat keberhasilan 100%.
Pengujian White Box terhadap 5 modul utama menghasilkan kompleksitas siklomatik rata-rata V(G) = 4,0 (Risiko Renda.
Survei kuesioner terhadap 20 responden menghasilkan nilai kepuasan rata-rata 4,42/5 (Sangat Bai.
Chatbot beroperasi 24 jam dengan rata-rata waktu respons 1,5 detik, secara signifikan mengurangi beban kerja repetitif staf administrasi dan meningkatkan aksesibilitas layanan pasien.
Kata Kunci: Chatbot.
NLP.
WhatsApp.
Pelayanan Pasien.
Klasifikasi Intent
PENDAHULUAN
Klinik Khitan Dr.
Sarwoko adalah klinik pelayanan khitan yang berlokasi di Jalan Kuta Jaya.
Kecamatan https://jurnal.
id/index.
php/JORAPI/index Pasar Kemis.
Kabupaten Tangerang.
Banten.
Klinik ini menyediakan layanan khitan modern menggunakan metode konvensional, klem, dan laser, serta layanan konsultasi pascatindakan.
JORAPI : Journal of Research and Publication Innovation Vol.
No.
April 2026 Halaman : 19-24 Masyarakat kini menuntut layanan kesehatan yang cepat, berkualitas, dan mudah diakses.
Kementerian Kesehatan RI dalam Cetak Biru Strategi Transformasi Digital Kesehatan 2024 menegaskan pentingnya pemanfaatan teknologi digital di seluruh tingkatan fasilitas kesehatan .
Berdasarkan observasi, staf administrasi klinik setiap harinya menerima puluhan pesan repetitif melalui WhatsApp Ai mulai dari informasi jadwal, biaya, hingga panduan perawatan pascaoperasi.
Teknologi Natural Language Processing (NLP) hadir sebagai solusi relevan untuk menangani permasalahan ini secara otomatis .
WhatsApp dipilih karena merupakan platform pesan instan terpopuler di Indonesia dengan lebih dari 100 juta pengguna aktif .
Sistem chatbot dalam penelitian ini dibangun menggunakan Node.
js dengan pustaka Baileys sebagai antarmuka WhatsApp.
Flask (Pytho.
sebagai backend NLP, serta SQLite sebagai basis data.
Penelitian ini bertujuan: .
merancang dan mengimplementasikan chatbot berbasis NLP pada platform WhatsApp.
mengevaluasi kinerja sistem dalam mengurangi beban kerja repetitif staf dan .
mengukur tingkat kepuasan pengguna melalui kuesioner terstruktur.
PENELITIAN YANG TERKAIT
Penelitian terkait penggunaan chatbot dalam layanan kesehatan telah banyak dilakukan.
Le.
Cep .
meneliti implementasi chatbot pada sistem informasi akademik berbasis WhatsApp menggunakan pendekatan serupa.
Adam .
mengembangkan chatbot framework menggunakan NLP untuk aplikasi kesehatan.
Mirza .
membahas pengembangan sistem informasi berbasis kecerdasan buatan untuk layanan kesehatan di Universitas Pamulang.
Ramadhan .
menganalisis penerapan NLP pada aplikasi chatbot layanan pelanggan di Indonesia, sedangkan D.
Maulida dan F.
Hidayat .
mengkaji WhatsApp Bot sebagai media komunikasi layanan kesehatan pada Puskesmas Tangerang.
Penelitianpenelitian tersebut menunjukkan bahwa chatbot berbasis NLP mampu meningkatkan efisiensi layanan, namun belum banyak yang mengintegrasikan dashboard admin real-time dan fitur pendaftaran online dalam satu sistem terpadu seperti yang dikembangkan dalam penelitian ini.
Berbeda dengan penelitian sebelumnya, penelitian ini mengkombinasikan integrasi WhatsApp melalui library Baileys, pemrosesan NLP menggunakan Sastrawi untuk Bahasa Indonesia, serta dashboard admin komprehensif, sehingga menghasilkan sistem yang lebih lengkap dan relevan untuk konteks layanan kesehatan klinik di Indonesia.
https://jurnal.
id/index.
php/JORAPI/index ISSN : 2985-4768
METODE PENELITIAN
Penelitian ini menggunakan pendekatan kuantitatif Pengumpulan data dilakukan melalui: .
studi pustaka dari jurnal 2021-2026.
observasi langsung terhadap proses pelayanan komunikasi di dan .
kuesioner terstruktur skala Likert 1-5.
1 Analisa Sistem Berjalan Sistem berjalan masih sepenuhnya manual: pasien menghubungi klinik via telepon atau datang langsung, dan petugas mencatat data ke buku atau Excel.
Permasalahan utama: layanan hanya pada jam kerja, petugas menjawab pertanyaan berulang, pencatatan manual rentan kesalahan, dan tidak ada monitoring statistik real-time.
Gbr 1.
Analisis Sistem Berjalan 2 Analisa Sistem Usulan Diusulkan sistem chatbot berbasis NLP terintegrasi WhatsApp dengan alur: pesan pasien -> WhatsApp Bot JORAPI : Journal of Research and Publication Innovation Vol.
No.
April 2026 Halaman : 19-24 (Node.
js/Bailey.
-> Flask API (Pytho.
-> modul NLP .
reprocessing, klasifikasi intent, pembangkitan respon.
-> balasan ke pasien.
Seluruh data tersimpan di SQLite dan dapat dipantau via dashboard admin berbasis ISSN : 2985-4768 3 Arsitektur Sistem Sistem menggunakan arsitektur multi-tier empat lapisan:
Client Layer - WhatsApp di perangkat pengguna.
Bot Layer - Node.
js/Baileys.
Application Layer Flask API dengan modul NLP Preprocessor.
Intent Classifier, dan Response Generator.
Data Layer SQLite dan Admin Dashboard HTML/JavaScript.
4 Perancangan Basis Data Basis data terdiri dari lima tabel: Messages .
iwayat percakapa.
Registrations .
ata pendaftaran pasie.
Visits .
unjungan unik per penggun.
Daily_Stats .
tatistik haria.
, dan Intent_Summary .
rekuensi Gbr 3.
Entity Relationship Diagram (ERD) Sistem Chatbot Gbr 4.
Logical Record Structure (LRS) Sistem Chatbot 5 Perancangan UML Sistem memiliki dua aktor utama: Pasien .
engirim pertanyaan, menerima informasi, pendaftaran onlin.
dan Admin .
onitoring dashboard, kelola pendaftaran, update status, ekspor CSV).
Perancangan UML mencakup Use Case Diagram.
Activity Diagram.
Sequence Diagram, dan Class Diagram.
[GAMBAR: Gbr 5.
Use Case Diagram Sistem Chatbo.
Gbr 5.
Use Case Diagram Sistem Chatbot [GAMBAR: Gbr 6.
Activity Diagram Interaksi dengan Bo.
Gbr 2.
Analisis Sistem Usulan https://jurnal.
id/index.
php/JORAPI/index Gbr 6.
Activity Diagram Interaksi dengan Bot JORAPI : Journal of Research and Publication Innovation Vol.
No.
April 2026
Halaman : 19-24
ISSN : 2985-4768
[GAMBAR: Gbr 7.
Sequence Diagram Interaksi dengan Bo.
Gbr 11.
Pemrosesan Pendaftaran Pasien Gbr 7.
Sequence Diagram Interaksi dengan Bot Dashboard admin berbasis HTML5/CSS3/JavaScript menampilkan: .
Stat Cards - Total Pengunjung Unik.
Total Pesan.
Rata-rata Pesan/Hari.
Pertanyaan Terpopuler.
Grafik tren kunjungan 14 hari.
Grafik 5 intent teratas.
Tabel 15 pesan terakhir.
Halaman pendaftaran dengan fitur pencarian, update status, dan ekspor CSV.
[GAMBAR: Gbr 8.
Class Diagram Sistem Chatbot NLP] Gbr 8.
Class Diagram Sistem Chatbot NLP
HASIL DAN PEMBAHASAN
1 Implementasi Sistem WhatsApp Bot dikembangkan menggunakan Node.
dengan library @whiskeysockets/baileys v6.
dilengkapi fitur auto-reconnect, event handler upsert, typing indicator, read receipt otomatis, dan integrasi ke Flask API melalui HTTP POST ke endpoint /chat.
Gbr 9.
Konfigurasi Koneksi ke WhatsApp Gbr 12.
Dashboard Admin [GAMBAR: Gbr 10.
Integrasi Backend Flas.
Gbr 10.
Integrasi Backend Flask Backend NLP menggunakan Python 3.
8 dengan Flask 2.
Preprocessing teks meliputi case folding, pembersihan regex, tokenisasi, stopword removal, dan stemming menggunakan Sastrawi.
Sistem mendukung lebih dari 35 intent melalui rule-based keyword Tabel I.
Kategori Intent Sistem Chatbot Kategori Intent Contoh Intent Kata Kunci Informasi Umum tanya_jadwal, tanya_harga, tanya_lokasi "jadwal","harga","alam Metode Khitan tanya_metode_ma tanya_metode_cla "manual","clamp","sta Konsultasi Medis tanya_usia, tanya_perawatan "usia","perawatan","fas Pendaftaran pendaftaran, "daftar","nama:","umur proses_pendaftaran :" Lainnya greeting, fallback, "halo","makasih" terima_kasih https://jurnal.
id/index.
php/JORAPI/index Gbr 13.
Tampilan Fitur Pendaftaran Online 2 Hasil White Box Testing White Box Testing dilakukan terhadap 5 modul utama menggunakan rumus V(G) = D 1, di mana D adalah jumlah decision point.
Seluruh modul dinyatakan lulus dengan tingkat keberhasilan 100%.
Nilai kompleksitas siklomatik rata-rata V(G) = 4,0 masuk kategori Risiko Rendah .
, membuktikan struktur logika program telah dirancang dengan baik dan bebas dari kesalahan alur eksekusi .
JORAPI : Journal of Research and Publication Innovation Vol.
No.
April 2026
Halaman : 19-24
ISSN : 2985-4768
Black Box Testing dilakukan terhadap 47 skenario uji dalam 7 kategori.
Seluruh skenario menunjukkan hasil 100% sesuai yang diharapkan.
Rata-rata waktu respons chatbot adalah 1,5 detik, jauh di bawah target nonfungsional yang ditetapkan yaitu di bawah 3 detik .
Tabel i.
Rekapitulasi Hasil Black Box Testing Kategori Pengujian Gbr 14.
Flowgraph Modul Intent Detection Tabel II.
Rekapitulasi Hasil White Box Testing Modul yang Diuji V(G) Jml Decis Jml Path Jml Test Case Status simple_inte nt_detection Lulus Lulus parse_regist ration_data( Lulus get_respons Lulus Endpoint /chat Lulus Rata-rata Lulus 3 Hasil Black Box Testing https://jurnal.
id/index.
php/JORAPI/index Skenario Berhasil Gagal Keberhasilan Deteksi Intent Informasi Umum Deteksi Intent Metode Khitan Deteksi Intent Pertanyaan Spesifik Greeting.
Perkenalan & Fallback
Fitur
Pendaftaran Online
Fungsi
WhatsApp
Bot
Fungsi
Dashboard
Admin
TOTAL
4 Hasil Pengujian Kuesioner Pengujian kuesioner dilakukan terhadap 20 responden menggunakan skala Likert 1-5 dengan 12 pernyataan yang mencakup dimensi Akurasi NLP.
Kelengkapan Informasi, dan Kemudahan Penggunaan.
Nilai rata-rata kepuasan keseluruhan sebesar 4,42/5 menunjukkan kategori Sangat Baik .
Tabel IV.
Hasil Pengujian Kuesioner No.
Pernyataan (Ringkasa.
Ratarata
Min Max
Pengenalan maksud dengan variasi bahasa sehari-hari 4,35 Konsistensi dan relevansi
jawaban chatbot
4,35
Pembedaan harga, metode, dan lokasi
4,40
Respons saat menerima salam atau pesan pembuka 4,35 JORAPI : Journal of Research and Publication Innovation Vol.
No.
April 2026
Halaman : 19-24
Kelengkapan metode sunat
4,40
Informasi
biaya khitan
4,45
Detail jadwal operasional 4,40 Panduan perawatan pasca
4,45
Sapaan nama otomatis yang ramah dan personal 4,40 4,50 P11 Kecepatan chatbot dalam memberikan balasan 4,50 P12 Alur percakapan 4,45 4,42 P10 Kemudahan melalui chat Rata-rata Keseluruhan ISSN : 2985-4768 pengembangan fitur keamanan berupa enkripsi basis data dan autentikasi berbasis token.
perluasan ke platform lain seperti Telegram dan Instagram Direct Message.
DAFTAR PUSTAKA