Named Entity Recognition Untuk Teks Bahasa Indonesia Dengan Elman Recurrent Neural Network

Named Entity Recognition (NER) merupakan salah satu sub tugas yang ada pada Information Retrieval. NER untuk kasus Bahasa Indonesia sudah beberapa kali dilakukan menggunakan beberapa metode seperti, CRF, HMM, dan bi-LSTM. Pada peneltian ini digunakan metode Elman Recurrent Neural Network (ERNN), karena metode ini menggunakan informasi dari kata sebelumnya untuk memprediksi kata saat ini. Penelitian tentang NER menggunakan ERNN sudah pernah dilakukan tetapi untuk kasus Bahasa Indonesia masih belum dilakukan. Terdapat tahap-tahap yang dilakukan dalam pembangunan sistem NER dengan ERNN untuk kasus Bahasa Indonesia yaitu preprocessing (penyusunan kalimat, case folding, pembangunan kamus, one-hot encoding, ekstraksi spelling fitur, dan penggabungan vektor akhir), training NER dengan ERNN dan testing dengan ERNN. Penelitian ini terbagi menjadi dua skenario yaitu pengujian parameter dan performa. Pengujian parameter akan dilakukan pada 12 skenario pengujian menggunakan 26.183 kata pada data training dan pengujian parameter menggunakan 9.406 kata pada data testing. Penelitian ini memperoleh performa F1 Score sebesar 88.91% dan akurasi sebesar 88.63%.