Putri, Rizvy Natasya (2022) PENGEMBANGAN SISTEM SYSTEMATIC LITERATURE REVIEW SECARA OTOMATIS BERBASIS NATURAL LANGUAGE PROCESSING. Diploma thesis, Universitas YARSI.
|
Text
1. COVER.pdf Download (40kB) | Preview |
|
|
Image
4. HALAMAN PENGESAHAN.PDF Download (1MB) | Preview |
|
|
Image
3. HALAMAN PERNYATAAN ORISINALITAS SKRIPSI.PDF Download (1MB) | Preview |
|
|
Text
2. ABSTRAK.pdf Download (13kB) | Preview |
|
|
Text
11. BAB 1.pdf Download (229kB) | Preview |
|
|
Text
17. DAFTAR PUSTAKA.pdf Download (103kB) | Preview |
|
![[img]](http://digilib.yarsi.ac.id/style/images/fileicons/text.png) |
Text
12. BAB 2.pdf Restricted to Registered users only Download (30kB) |
|
|
Text
13. BAB 3.pdf Restricted to Registered users only Download (929kB) |
|
|
Text
14. BAB 4.pdf Restricted to Registered users only Download (554kB) |
|
|
Text
15. BAB 5.pdf Restricted to Registered users only Download (444kB) |
|
|
Text
16. BAB 6.pdf Restricted to Registered users only Download (12kB) |
Abstract
Systematic Literature Review atau tinjauan pustaka sistematis adalah istilah yang mengacu pada proses penelitian atau proyek penelitian dan pengembangan berbasis bukti yang digunakan untuk menjawab pertanyaan penelitian, mengumpulkan dan menganalisis studi terkait yang relevan pada masalah tertentu. Perkiraan waktu kerja yang diperlukan untuk membuat satu SLR berkisar dari minimal 6 bulan ketika satu peninjau menghabiskan 10-20 jam per minggu hingga, rata-rata, 16 bulan ketika lima rekan penulis terlibat. Tujuan dari penelitian ini ialah mengimplementasikan algoritma machine learning pada proses tinjauan pustaka sistematis untuk membantu dokter dan ahli medis di bidang kedokteran gigi untuk mendapatkan pemahaman mengenai topik spesifik yang ingin dipelajari dalam waktu singkat. Penelitian sebelumnya banyak menerapkan algoritma machine learning konvensional untuk klasifikasi teks tinjauan pustaka sistematis. Jumlah penelitian yang diterbitkan dalam jumlah besar dan terus bertambah, serta tingkat publikasinya yang meningkat, membuka peluang bagi metode terbaru untuk menangani kesulitan-kesulitan ini, seperti transfer learning. Proses pengumpulan data, persiapan data, dan pengoptimalan model transfer learning merupakan metode penelitian yang digunakan. Dataset yang digunakan dalam penelitian ini sudah disediakan oleh peneliti sebelumnya. Skrining judul- abstrak dan teks lengkap digunakan dalam eksperimen ini. Model transfer learning dengan representasi fitur pre-trained word embedding menggunakan Universal Sentence Encoder dilatih menggunakan 96 baris data. Hasil evaluasi menggunakan K-Fold Cross Validation menunjukkan bahwa penelitian ini berhasil mengoptimalkan nilai akurasi dan presisi dari penelitian sebelumnya dengan metode yang sama dengan mendapatkan akurasi dengan nilai 90.62% pada skrining Judul-Abstrak dan 85.41% pada skrining Teks-lengkap.
| Item Type: | Thesis (Diploma) |
|---|---|
| Additional Information: | S-865-FTI |
| Uncontrolled Keywords: | Systematic Literature Review, Text Classification, Machine Learning, Transfer Learning, Universal Sentence Encoder, K-Fold Cross Validation. |
| Subjects: | P Language and Literature > P Philology. Linguistics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
| Depositing User: | Rizvy Putri |
| Date Deposited: | 02 Apr 2024 11:02 |
| Last Modified: | 02 Apr 2024 11:02 |
| URI: | http://digilib.yarsi.ac.id/id/eprint/11620 |
Actions (login required)
 |
View Item |