KLASIFIKASI JURNAL KESEHATAN DIGITAL MENGGUNAKAN TF-IDF DAN K-NEAREST NEIGHBOR

Abstract

Peningkatan jumlah publikasi ilmiah di bidang kesehatan digital dalam beberapa tahun terakhir menyebabkan proses penelusuran dan pengelompokan dokumen secara manual menjadi sulit dilakukan. Kondisi tersebut harus ada sistem yang mampu membantu proses pengolahan informasi secara cepat, efisien, dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis pada abstrak jurnal kesehatan digital menggunakan kombinasi metode TF-IDF dan algoritma K-Nearest Neighbor (KNN). Penelitian ini juga memberikan kontribusi dalam penerapan pelabelan otomatis berbasis rule-based untuk membantu proses klasifikasi abstrak jurnal kesehatan digital menggunakan kombinasi metode TF-IDF dan algoritma K-Nearest Neighbor (KNN), yang masih belum banyak diterapkan di penelitian lain. Dataset yang digunakan terdiri dari 410 abstrak jurnal yang diproses melalui tahapan preprocessing, meliputi case folding, pembersihan tanda baca, tokenisasi, penghapusan stopword, dan stemming. Representasi numerik dilakukan menggunakan TF-IDF yang menghasilkan 4.753 fitur unik. Dataset memiliki distribusi label yang cukup seimbang yaitu 225 data kesehatan digital (54,88%) dan 185 non-digital (45,12%), serta dibagi menggunakan metode hold-out dengan komposisi 80% data latih (328 data)  dan 20% data uji (82 data). Proses klasifikasi menggunakan algoritma KNN dengan nilai K=3 dan metrik cosine similarity. Hasil evaluasi menunjukkan performa model dengan accuracy 0,7195, precision 0,6667, recall 0,7895, dan F1-score 0,7229. Analisis confusion matrix menunjukkan 29 True Negative, 30 True Positive, 15 False Positive, dan 8 False Negative. Penelitian ini menunjukkan bahwa kombinasi TF-IDF dan KNN efektif untuk klasifikasi awal dokumen ilmiah, meskipun kualitas label otomatis dan keterbatasan dataset masih menjadi faktor yang perlu diperhatikan dalam pengembangan selanjutnya