Identifikasi Hubungan Sebab-Akibat pada Artikel Kesehatan menggunakan Anotasi Elemen Medis dan Paragraf

Abstract

This paper studies natural language processing on medical articles in Indonesian that aims to identify causal relationship and used as public health surveillance information monitoring system. This paper proposes selection-feature conformity, phrase annotation, paragraph annotation, and medical element annotation. System performance evaluation is carried out using intrinsic aprroach which compares supervised classification methods, i.e. naive bayes method and HMM. Results obtained for recall, precission, and f-measure are 0.905, 0.924, 0.910 and 0.706, 0.750, 0.720, respectively. Intisari-Makalah ini terkait dengan pemrosesan bahasa alami pada artikel medis bahasa Indonesia yang bertujuan untuk identifikasi hubungan sebab-akibat dan digunakan sebagai sistem monitoring informasi surveilans kesehatan masyarakat. Usulan pada makalah ini antara lain kesesuaian seleksi fitur, anotasi phrase, anotasi paragraf, dan anotasi elemen medis. Evaluasi dari kinerja sistem dilakukan dengan pendekatan intrinsik yaitu membandingkan metode klasifikasi supervised, antara lain metode naive Bayes dan HMM. Hasil yang diperoleh secara berurutan untuk recall, precision, dan f-measure adalah 0,905; 0,924; 0,910 dan 0,706; 0,750; 0,720. Kata Kunci-Sebab-akibat, artikel kesehatan, medical named entities, seleksi fitur, anotasi elemen medis, anotasi paragraf.