Tanaman
Nama umum maupun nama ilmiah tanaman herbal.
Latar belakang
Informasi penting sering tersimpan di dalam teks yang belum terstruktur.
Artikel ilmiah mengenai tanaman herbal umumnya memuat nama tanaman, penyakit, senyawa aktif, metode penelitian, terapi, serta efek yang dihasilkan. Informasi tersebut ditulis sebagai paragraf sehingga pembaca perlu menemukan dan mengidentifikasinya secara manual.
Penelitian ini menggunakan pendekatan Named Entity Recognition (NER) untuk membantu mengenali kata atau frasa penting, kemudian mengelompokkannya berdasarkan kategori entitas yang telah ditentukan. Hasilnya membuat isi abstrak lebih mudah ditelusuri tanpa menghilangkan teks aslinya.
Apa itu NER?
Mengenali bagian penting di dalam teks
Named Entity Recognition (NER) merupakan salah satu tugas dalam Natural Language Processing yang digunakan untuk menemukan dan mengelompokkan kata atau frasa tertentu di dalam teks ke dalam kategori yang telah ditentukan. Dalam penelitian ini, NER digunakan untuk mengenali informasi penting pada abstrak artikel ilmiah tanaman herbal, seperti nama tanaman, penyakit, bagian tubuh, senyawa, efek, terapi, metode, dan populasi.
Apa itu tanaman obat keluarga?
Tumbuhan yang dirawat dekat dengan kehidupan keluarga
Tanaman obat keluarga adalah jenis tumbuhan budidaya rumahan yang dapat dijadikan sebagai obat untuk mengatasi berbagai penyakit. Tumbuhan yang tergolong sebagai tanaman obat keluarga sangat banyak jenisnya dan masing-masing memiliki manfaatnya tersendiri.
Tujuan pengembangan
Membantu pembaca menemukan isi utama abstrak tanpa menandainya satu per satu.
Sistem dibangun untuk menerima abstrak artikel ilmiah tanaman herbal dan mengenali entitas tertentu secara otomatis. Pengguna dapat melihat kata atau frasa yang dianggap penting beserta kategorinya melalui teks berwarna dan tabel hasil klasifikasi.
Penelitian ini tidak bertujuan menentukan kebenaran medis, memberikan diagnosis, atau menggantikan analisis tenaga kesehatan. Hasil yang ditampilkan merupakan klasifikasi berdasarkan pola yang dipelajari model dari dataset penelitian.
Dataset penelitian
Sebelum model belajar, setiap token perlu diberi peran yang jelas.
Dataset disusun dari abstrak artikel ilmiah berbahasa Indonesia yang membahas beberapa jenis tanaman herbal. Artikel dikumpulkan dari sumber ilmiah dan dipilih berdasarkan kesesuaiannya dengan kebutuhan penelitian.
Setiap teks dipecah menjadi token dan diberi label secara manual menggunakan skema BIO Tagging. Pelabelan mengikuti pedoman penyusunan dataset NER tanaman herbal agar setiap kata atau frasa mempunyai kategori yang jelas sebelum digunakan untuk melatih model.
Skema pelabelan
BIO Tagging
B
Beginning
Token yang berada pada bagian awal suatu entitas.
I
Inside
Token yang menjadi bagian lanjutan dari entitas.
O
Outside
Token yang tidak termasuk dalam entitas yang ditentukan.
Entitas yang dikenali
Delapan kategori untuk merangkum isi artikel
Kategori dipilih berdasarkan jenis informasi yang sering ditemukan dalam artikel ilmiah tanaman herbal.
Penyakit
Penyakit atau gangguan kesehatan yang dibahas.
Anggota Tubuh
Organ atau bagian tubuh yang berkaitan dengan penelitian.
Senyawa
Zat aktif, kandungan kimia, atau senyawa pada tanaman.
Efek
Aktivitas atau pengaruh yang dihasilkan tanaman maupun senyawa.
Terapi
Bentuk pengobatan atau tindakan terapeutik.
Metode
Metode, proses, atau pengujian yang digunakan dalam penelitian.
Populasi
Subjek, sampel, atau kelompok yang menjadi objek penelitian.
Model yang digunakan
Dua pendekatan dilatih dari dataset yang sama.
Model utama
01
BiLSTM
Bidirectional Long Short-Term Memory mempelajari hubungan antar-token dengan mempertimbangkan konteks sebelum dan sesudah suatu kata. Pendekatan ini sesuai untuk data berbentuk urutan seperti kalimat dalam abstrak.
Model pembanding
02
Naive Bayes
Naive Bayes digunakan untuk melihat perbedaan hasil antara pendekatan pembelajaran mesin konvensional dan model jaringan saraf yang mempelajari urutan token.
Kedua model dilatih menggunakan dataset yang sama dan dievaluasi untuk mengetahui kemampuan masing-masing dalam mengenali entitas tanaman herbal.
Cara kerja sistem
Dari abstrak menjadi informasi terstruktur
Proses berlangsung dalam tiga tahap yang tetap memberi pengguna kesempatan untuk memilih model dan meninjau hasilnya.
Masukkan artikel
Pengguna mengisi judul, nama penulis, tahun terbit, dan abstrak artikel.
Model memberi label
Teks ditokenisasi, lalu setiap token diprediksi menggunakan model yang dipilih.
Periksa hasil
Entitas ditandai dengan warna dan dirangkum dalam tabel berdasarkan kategorinya.
Manfaat penelitian
Coba Analisis NER
Sebuah pijakan untuk pengolahan teks ilmiah berbahasa Indonesia.
Penelitian ini diharapkan dapat memberikan gambaran mengenai penerapan Named Entity Recognition pada teks ilmiah berbahasa Indonesia, khususnya dalam bidang tanaman herbal. Dataset dan sistem yang dikembangkan juga dapat menjadi dasar bagi penelitian lanjutan mengenai ekstraksi informasi, pengolahan bahasa alami, dan pengelolaan informasi ilmiah di bidang kesehatan serta tanaman obat.