Klasifikasi Teks Menggunakan Contextual Embedding

Internet telah menjadi media komunikasi utama untuk mengakses informasi atau berita yang digunakan oleh banyak orang saat ini. Salah satu informasi yang banyak diakses oleh pengguna internet adalah informasi terkait kesehatan. Kemudahan akses untuk mendapatkan informasi kesehatan mendorong pengguna internet untuk memilih mengandalkan informasi kesehatan yang ada di internet sebelum mencari bantuan medis ketika terdapat kekhawatiran terhadap kondisi kesehatan mereka. Di tambah lagi, perkembangan Teknologi Informasi Komunikasi (TIK) secara pesat membuat pelayanan kesehatan secara jarak jauh semakin mungkin dilakukan sehingga meningkatkan efisiensi dan memperluas akses layanan kesehatan kepada masyarakat. Salah satu layanan kesehatan jarak jauh yang mengalami peningkatan penggunaan bagi masyarakat saat ini adalah layanan konsultasi kesehatan dengan tenaga medis dalam bentuk forum online yang tersedia di situs web kesehatan. Namun, layanan konsultasi kesehatan online yang ada umumnya menggunakan annotator manual untuk mengelompokkan pertanyaan pengguna ke dalam subtopik yang sesuai dengan spesialisasi medis sehingga membutuhkan waktu untuk pertanyaan sampai kepada dokter spesialis atau tenaga medis yang berkeahlian khusus untuk menangani pertanyaan tersebut. Akibatnya, pengguna membutuhkan waktu yang tidak sebentar untuk menerima jawaban dari pertanyaan konsultasi mereka, apalagi jika pertanyaan yang masuk ke dalam forum layanan tersebut tidak sedikit. Oleh karena itu, pengklasifikasian pertanyaan konsultasi kesehatan secara otomatis dapat membantu meningkatkan efisiensi waktu untuk pertanyaan sampai kepada tenaga medis dan jawaban dari pertanyaan tersebut sampai kepada pengguna. Penelitian ini melakukan klasifikasi pertanyaan pengguna konsultasi kesehatan menggunakan model berbasis deep learning, yaitu arsitektur BiLSTM. Penelitian ini menguji dua pendekatan representasi kata, yaitu word embedding fastText dan contextual embedding IndoBERT sebagai vektor input BiLSTM untuk menentukan pendekatan mana yang berkinerja tinggi dalam hal pembelajaran untuk tugas klasifikasi teks pertanyaan dalam domain kesehatan.