PENERAPAN NAMED ENTITY RECOGNITION (NER) MENGGUNAKAN INDOBERT PADA CERITA RAKYAT “HIKAYAT WAYANG ARJUNA & PURUSARA”

Bagaskoro, Danda (2026) PENERAPAN NAMED ENTITY RECOGNITION (NER) MENGGUNAKAN INDOBERT PADA CERITA RAKYAT “HIKAYAT WAYANG ARJUNA & PURUSARA”. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_57201_2213030083.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_57201_2213030083_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (3MB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2213030083_0723058501_0731087703_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (BAB 2) RAMA_57201_2213030083__0723058501_0731087703_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (222kB) | Request a copy
	Text (BAB 3) RAMA_57201_2213030083__0723058501_0731087703_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (334kB) | Request a copy
	Text (BAB 4) RAMA_57201_2213030083__0723058501_0731087703_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (200kB) | Request a copy
	Text (BAB 5) RAMA_57201_2213030083__0723058501_0731087703_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (82kB) | Request a copy
	Text (References) RAMA_57201_2213030083__0723058501_0731087703_06._ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (143kB)
	Text (Lampiran) RAMA_57201_2213030083__0723058501_0731087703_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (184kB) | Request a copy

Abstract

Perkembangan teknologi pengolahan bahasa alami (Natural Language Processing atau NLP) telah membuka peluang dalam pengelolaan dan ekstraksi informasi dari data teks secara otomatis. Salah satu permasalahan yang sering ditemukan pada dokumen teks adalah sulitnya mengidentifikasi informasi penting seperti nama tokoh, nama tempat, maupun nama organisasi secara cepat dan akurat. Permasalahan tersebut juga ditemukan pada cerita rakyat Indonesia yang umumnya memiliki banyak tokoh, lokasi, dan unsur budaya yang tersebar di dalam teks. Oleh karena itu, diperlukan suatu sistem yang mampu melakukan identifikasi entitas secara otomatis untuk memudahkan proses pengolahan informasi pada cerita rakyat. Penelitian ini bertujuan untuk menerapkan metode Named Entity Recognition (NER) menggunakan model IndoBERT dalam mengenali entitas pada cerita rakyat Hikayat Wayang Arjuna dan Purasara. Entitas yang menjadi fokus penelitian meliputi Person (PER), Location (LOC), dan Organization (ORG). Dataset yang digunakan merupakan dataset NER Bahasa Indonesia yang telah diberi label menggunakan skema BIO (Beginning, Inside, Outside). Tahapan penelitian meliputi pembacaan dataset, pelabelan data, tokenisasi menggunakan tokenizer IndoBERT, proses fine-tuning model, evaluasi model, serta pengujian menggunakan kalimat-kalimat yang diambil dari cerita Hikayat Wayang Arjuna dan Purasara. Metodologi penelitian yang digunakan mengacu pada tahapan pengembangan sistem pembelajaran mesin yang terdiri dari pengumpulan data, persiapan data, pemodelan, evaluasi, dan pengujian. Model IndoBERT dilatih menggunakan 1.464 data pelatihan, 367 data validasi, dan 509 data pengujian. Evaluasi model dilakukan menggunakan metrik Precision, Recall, dan F1-Score untuk mengukur kemampuan model dalam mengenali entitas yang terdapat pada teks. Hasil penelitian menunjukkan bahwa model IndoBERT mampu melakukan identifikasi entitas pada teks berbahasa Indonesia dengan nilai Precision sebesar vi 56,30%, Recall sebesar 60,55%, dan F1-Score sebesar 58,35%. Berdasarkan hasil evaluasi per kategori entitas, kategori Location memperoleh performa terbaik dengan nilai F1-Score sebesar 76,07%, diikuti kategori Person sebesar 64,67%, dan kategori Organization sebesar 44,96%. Hasil tersebut menunjukkan bahwa model IndoBERT cukup efektif dalam mengenali entitas pada teks cerita rakyat Indonesia, khususnya untuk kategori lokasi dan tokoh. Penelitian ini diharapkan dapat menjadi dasar dalam pengembangan sistem ekstraksi informasi otomatis pada cerita rakyat Indonesia serta mendukung upaya digitalisasi dan pelestarian warisan budaya melalui pemanfaatan teknologi Natural Language Processing.

Actions (login required)

View Item