Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number SK-1506 (Softcopy SK-988) Source Code SK-611
Collection Type Skripsi
Title Pengenalan entitas kesehatan pada forum kesehatan online dengan menggunakan percurrent neural networks
Author Wahid Nur Rohman;
Publisher Depok: Fakultas Ilmu Komputer UI, 2017
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
SK-1506 (Softcopy SK-988) Source Code SK-611 TERSEDIA
Tidak ada review pada koleksi ini: 44326
ABSTRAK Nama : Wahid Nur Rohman Program Studi : Ilmu Komputer Judul : Pengenalan Entitas Kesehatan pada Forum Kesehatan Online dengan Menggunakan Recurrent Neural Networks Saat ini, seseorang dapat memanfaatkan forum kesehatan online untuk mencari tahu perihal penyakit tanpa perlu tatap muka dengan dokter. Melalui forum tersebut, seseorang hanya perlu menuliskan keluhan dan pertanyaan pada formulir yang tersedia. Banyak sekali informasi bermanfaat yang dapat diperoleh dari forum tersebut seperti keluhan, obat atau langkah penyembuhan. Penelitian ini mencoba untuk melakukan ekstraksi entitas disease, symptom, treatment dan drug secara otomatis. Penulis memandang permasalahan ini sebagai permasalahan sequence labeling sehingga penulis mengusulkan penggunaan teknik Deep Learning dengan menggunakan Recurrent Neural Networks (RNNs), karena RNNs merupakan stateof- the-art untuk permasalahan sequence labeling. Penulis mengusulkan fitur kata itu sendiri, kamus kesehatan, stop word, POS-Tag, frasa kata (nomina dan verba), kata sebelum dan kata sesudah. Selain itu penulis juga mengusulkan dua arsitektur RNNs, yaitu LSTMs 1 layer dan LSTMs 2 layer multi-input. Hasil eksperimen menunjukkan bawah model yang diusulkan mampu memberikan hasil yang cukup baik. Berdasarkan eksperimen dengan kombinasi fitur kata itu sendiri, kamus kesehatan, stop word, frasa kata (nomina dan verba), 1 kata sebelum dan 1 kata sesudah dengan arsitektur LSTMs 1 layer mampu mencapai rata-rata f-measure 63:06% dan LSTMs 2 layer mampu menghasilkan rata-rata f-measure 62:14%. Hasil tersebut lebih baik dibandingkan dengan baseline yang digunakan, yaitu penelitian Herwando (2016) dengan f-measure 54:09%. Kata Kunci: MER, RNNs, disease, symptom, treatment, drug