Named Entity Recognition Menggunakan Metode Bidirectional Lstm-Crf Pada Teks Bahasa Indonesia

Named Entity Recognition (NER) atau pengenalan entitas bernama adalah salah satu bagian atau tugas dari natural language processing (nlp). Tujuan dari NER adalah untuk mengidentifikasi atau mengklasifikasi sebuah entitas misalnya nama orang, organisasi, waktu, lokasi dan sesuatu entitas lain dalam sebuah teks yang sangat berguna dalam kasus ekstraksi informasi. Pada penelitian ini, metode yang digunakan adalah metode Bidirectional LSTM-CRF. Bidirectional LSTM menggabungkan konteks sebelumnya dan konteks setelahnya dengan memproses data dari dua arah yang selanjutnya diklasifikasi menggunakan CRF. Terdapat beberapa proses yang dilakukan, yaitu preprocessing; tokenisasi, pemberian fitur(InitCap, AllCap, AllLower, Digits, ContaintsDigits, Punctuation) dan selanjutnya dilakukan training dan testing dari data hasil prepocessing. Berdasarkan hasil pengujian menggunakan data training sebanyak 25.709 kata dan testing 9.406, metode bidirectional LSTM-CRF memperoleh akurasi sebesar 87.77%.