Implementasi Arsitektur Self-Reflective RAG (Gemma 4) pada Edge Computing untuk Layanan Psychological First Aid dan Edukasi PTM di Dinas Kesehatan Kota Semarang

Deskripsi

Tantangan Penyakit Tidak Menular (PTM) dan kesehatan mental di kalangan Generasi Z Kota Semarang memerlukan tersedianya sistem informasi kesehatan yang interaktif, empatik, serta menjamin privasi data. Namun, penerapan kecerdasan buatan (AI) tingkat lanjut di sektor publik kerap terkendala oleh tingginya biaya infrastruktur komputasi awan (cloud). Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi asisten digital "Emi" berbasis arsitektur Self-Reflective Retrieval-Augmented Generation (RAG) menggunakan model Google Gemma 4 12B terkuantisasi 4-bit (GGUF) pada perangkat keras komputasi lokal (Edge Computing dengan VRAM ≤ 16 GB). Mengadopsi metodologi Design Science Research (DSR), evaluasi komprehensif dilakukan melalui pengujian kinerja teknis (N=115 rekaman interaksi), uji fungsionalitas (Black Box Testing), serta uji penerimaan pengguna (N=20 responden Generasi Z) menggunakan pemodelan Two-Stage Higher-Order Construct (HOC) PLS-SEM dan System Usability Scale (SUS). Hasil pengujian menunjukkan rata-rata akurasi keseluruhan sistem mencapai 70,22% dengan rata-rata latensi sebesar 39,66 detik. Secara khusus, akurasi untuk intervensi krisis Psychological First Aid (PFA) mencapai 93,75% dan dukungan emosional sebesar 80,77%.