Skripsi

NAMED ENTITY RECOGNITION (NER) PADA TEKS BERBAHASA INDONESIA DENGAN FINE-TUNING INDOBERT

---

Penilaian

---

Pengolahan dokumen tekstual sering kali membutuhkan identifikasi informasi penting seperti nama orang, tempat, dan lembaga, namun proses manual memakan waktu dan kurang efisien. Named Entity Recognition (NER) menjadi solusi otomatis untuk tugas ini, tetapi penerapannya dalam bahasa Indonesia menghadapi tantangan seperti variasi dialek dan struktur linguistik yang kompleks. Penelitian ini menggunakan metodologi fine-tuning pada model 'indobenchmark/indobert-base-p2' dengan dataset NER-Grit dari repositori GitHub untuk menghadapi tantangan struktur linguistik bahasa Indonesia yang beragam. Model diuji menggunakan berbagai konfigurasi parameter untuk memperoleh hasil optimal. Evaluasi menunjukkan bahwa konfigurasi terbaik dengan learning rate 5e-6, batch size 8, dan 10 epoch menghasilkan nilai f1-score 0,7420 (atau 74,20%) dan nilai loss 0,3673. Penelitian ini berkontribusi pada pengembangan sistem NER yang lebih adaptif terhadap variasi domain dan dialek dalam bahasa Indonesia, sehingga mendukung pengolahan informasi secara lebih cepat dan akurat untuk berbagai kebutuhan analitik dan aplikasi praktis. Kata Kunci: Named Entity Recognition, IndoBERT, Fine-tuning, Pemrosesan Bahasa Alami

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2407006939	T161994	T1619942025	Central Library (REFERENCE)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T1619942025

Publisher

Indralaya : Prodi Teknik Informatika, Fakultas Ilmu Komputer Universitas Sriwijaya., 2024

Collation

xvi, 107 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

006.310 7

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Prodi Teknik Informatika
Jaringan Saraf

Specific Detail Info

-

Statement of Responsibility

TUTI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment