AGUSTIN, Pujiani Rahayu (2026) Perbandingan Kinerja Klasifikasi Tingkat Risiko Ibu Hamil Dan Bayi Berdasarkan Teks Keluhan Menggunakan Fine-Tuning IndoBERT-CNN Dan IndoBERT-BiLSTM. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) File Skripsi Pujiani Rahayu Agustin 24060122130067.zip Restricted to Repository staff only Download (5MB) | Request a copy
	Text 1. COVER.pdf Download (112kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (296kB)
	Text 4. KATA PENGANTAR.pdf Download (358kB)
	Text 6. ABSTRAK.pdf Download (164kB)
	Text 7. ABSTRACT.pdf Download (107kB)
	Text 8. DAFTAR ISI.pdf Download (250kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (333kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (182kB)

Abstract

Keluhan kesehatan ibu hamil dan bayi yang disampaikan melalui platform konsultasi
kesehatan daring mengandung informasi penting yang dapat dimanfaatkan untuk
mendukung deteksi dini tingkat risiko kesehatan. Penelitian ini bertujuan membangun model
klasifikasi tingkat risiko keluhan ibu hamil dan bayi berbasis teks menggunakan IndoBERT
yang dikombinasikan dengan Convolutional Neural Network (CNN) dan Bidirectional Long
Short-Term Memory (BiLSTM). Dataset penelitian diperoleh dari forum kesehatan
Alodokter dan diklasifikasikan ke dalam tiga kategori risiko, yaitu rendah, sedang, dan tinggi
yang mengacu pada kategori risiko pada dataset UCI Maternal Health Risk. Tahapan
penelitian meliputi pra pemrosesan data, augmentasi data, tokenisasi, optimasi
hyperparameter, dan pelatihan serta evaluasi model. Evaluasi performa model dilakukan
menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil evaluasi menunjukkan
bahwa model IndoBERT-CNN memperoleh akurasi sebesar 80,15% dan weighted F1-score
sebesar 80,03%, sedangkan model IndoBERT-BiLSTM memperoleh akurasi sebesar
83,90% dan weighted F1-score sebesar 83,84%. Model IndoBERT-BiLSTM mengungguli
IndoBERT-CNN pada seluruh metrik evaluasi, yang menunjukkan bahwa kemampuan
BiLSTM dalam memproses urutan teks secara bidirectional lebih efektif dalam menangkap
konteks teks keluhan kesehatan dibandingkan ekstraksi pola lokal oleh CNN.
Kata kunci: IndoBERT, CNN, BiLSTM, klasifikasi risiko, kesehatan ibu dan bayi,
pemrosesan bahasa alami

(NO. KETERSEDIAAN : 1734/F/2026)

Actions (login required)

View Item