Search for collections on Universitas YARSI Repository

Named Entity Recognition Pada Artikel Ilmiah Kesehatan Menggunakan Conditional Random Fields Dan Tinjauannya Menurut Agama Islam

Syifa, Rofi Tulus (2019) Named Entity Recognition Pada Artikel Ilmiah Kesehatan Menggunakan Conditional Random Fields Dan Tinjauannya Menurut Agama Islam. Diploma thesis, Universitas YARSI.

[img] Text
1_Halaman Cover Pertama.pdf

Download (513kB)
[img] Text
5_Halaman Pengesahan.pdf

Download (289kB)
[img] Text
3_Halaman Abstrak.pdf

Download (45kB) | Preview
[img] Text
13_Halaman Bab 1.pdf

Download (262kB)
[img] Text
19_Halaman Daftar Pustaka.pdf

Download (116kB)
[img] Text
14_Halaman Bab 2.pdf
Restricted to Registered users only

Download (292kB)
[img] Text
15_Halaman Bab 3.pdf
Restricted to Registered users only

Download (245kB)
[img] Text
16_Halaman Bab 4.pdf
Restricted to Registered users only

Download (294kB)
[img] Text
17_Halaman Bab 5.pdf
Restricted to Registered users only

Download (344kB)
[img] Text
18_Halaman Bab 6.pdf
Restricted to Registered users only

Download (49kB)
[img]
Preview
Text
4_Halaman Pengesahan Orisinalitas.pdf

Download (185kB) | Preview

Abstract

Artikel ilmiah kesehatan salah satu sumber informasi untuk mendapatkan pengetahuan klinis paling baru yang membahas tentang tanda dan gejala pasien, diagnosis, dan prosedur medis. Untuk membantu pembaca mendapatkan informasi terbaru secara cepat, perlu dilakukan ekstraksi entitas dalam sebuah artikel ilmiah kesehatan. Dalam penelitian ini, telah dibangun sebuah model Named Entity Recognition (NER) klinis untuk bahasa Indonesia menggunakan algoritma Conditional Random Fields (CRF) dengan ekstraksi fitur kontekstual, prefix & suffix, ortografi, stop words, dan POS-Tagging. Corpus klinis dalam bahasa Indonesia dengan format Inside-Outside-Begin (IOB2) digunakan sebagai dataset. Penelitian ini mengekstrak tujuh entitas klinis yaitu organ, sign & symptom, penyakit, pemeriksaan fisik, pemeriksaan penunjang, terapi farmakologi dan terapi non-farmakologi. Hasil percobaan menunjukkan bahwa model mendapatkan hasil terbaik dalam mengekstraksi entitas dengan menggunakan 2 fitur (kontekstual, dan prefix & suffix) dengan precision 85%, recall 73% dan f-measure 77%. Dalam sudut pandang agama islam implementasi NER pada artikel ilmiah kesehatan diperbolehkan karena mengandung manfaat, kebaikan serta kemudahan untuk manusia.

Item Type: Thesis (Diploma)
Additional Information: S-625-FTI
Uncontrolled Keywords: Named Entity Recognition, Conditional Random Fields, artikel ilmiah kesehatan.
Subjects: L Education > L Education (General)
T Technology > T Technology (General)
Depositing User: Unnamed user with email admin@yarsi.ac.id
Date Deposited: 09 Feb 2021 02:27
Last Modified: 21 Apr 2022 04:36
URI: http://digilib.yarsi.ac.id/id/eprint/4830

Actions (login required)

View Item View Item