Named Entity Recognition untuk Klasifikasi Komponen Terapeutik dalam Respon Dokter pada Platform Konsultasi Kesehatan Online menggunakan algoritma BERT - CRF [ENY, IAU]

Abstract

Meningkatnya penggunaan platform konsultasi kesehatan online telah memunculkan kebutuhan untuk mengidentifikasi informasi penting dalam respon dokter secara otomatis. Informasi ini sering kali disampaikan dalam bentuk teks bebas yang panjang dan tidak terstruktur, sehingga menyulitkan pasien dalam memahami komponen terapeutik yang disampaikan oleh dokter. Penelitian ini bertujuan untuk mengembangkan pendekatan Named Entity Recognition (NER) untuk mengklasifikasikan komponen terapeutik seperti nama obat, dosis, dan instruksi penggunaan dalam teks medis tidak terstruktur. Algoritma yang digunakan adalah kombinasi Bidirectional Encoder Representations from Transformers (BERT) dan Conditional Random Field (CRF). Dataset yang digunakan merupakan data simulasi konsultasi online yang bersifat publik. Kinerja model BERT-CRF dievaluasi dan dibandingkan dengan model Bi-LSTM-CRF dari penelitian terdahulu. Hasil yang diperoleh diharapkan dapat meningkatkan akurasi dalam identifikasi komponen terapeutik dan memberikan kontribusi terhadap pengembangan sistem informasi kesehatan digital yang lebih efektif dan efisien.