EKSTRAKSI ENTITAS PADA BERITA ONLINE BAHASA INDONESIA MENGGUNAKAN NAMED ENTITY RECOGNITION (NER) DENGAN METODE HYBRID BI-LSTM DAN TRANSFORMER = ENTITY EXTRACTION IN INDONESIAN ONLINE NEWS USING NAMED ENTITY RECOGNITION (NER) WITH HYBRID BI-LSTM AND TRANSFORMER METHODS

Named Entity Recognition (NER) adalah domain penting dalam Natural Language Processing (NLP) yang mengidentifikasi entitas seperti nama orang, lokasi, dan organisasi dalam teks. Meskipun banyak penelitian NER yang berfokus pada bahasa Inggris, masih diperlukan lebih banyak penelitian tentang NER bahasa Indonesia. Indonesia memiliki tantangan yang unik karena kompleksitas dan ambiguitas strukturalnya. Pembelajaran mesin konvensional dan teknik pembelajaran mendalam telah digunakan dalam NER, tetapi mengintegrasikan metode-metode ini untuk meningkatkan kinerja masih belum dieksplorasi secara rinci. Penelitian ini menyajikan model hibrida baru, yang menggabungkan mekanisme Transformer dan Bidirectional Long Short-Term Memory (Bi-LSTM untuk meningkatkan performa NER pada teks bahasa Indonesia. Transformer dan Bi-LSTM memanfaatkan keunggulan masing-masing komponen untuk menghasilkan representasi vektor kata yang lebih baik, mengekstrak fitur kalimat yang rumit, dan mengacaukan entitas secara kontekstual. Eksperimen kami menunjukkan keefektifan model hibrida yang diusulkan, yang mencapai peningkatan signifikan dalam kinerja NER. Secara khusus, metide yang diusulkan mencapai F1-Score 81,00 pada dataset berita online Indonesia, melampaui model Bi-LSTM tradisional, yang mencapai skor 76,11. Hasil penelitian menunjukkan bahwa Transformer dan Bi-LSTM secara efektif mengurangi ambiguitas dan menangkap konteks, sehingga meningkatkan akurasi pengenalan entitas. Penelitian di masa depan harus berfokus pada pengurangan waktu komputasi untuk dataset yang lebih besar tanpa mengorbankan kinerja NER secara keseluruhan. Penelitian ini menggarisbawahi potensi mengintegrasikan teknik pembelajaran mendalam yang canggih untuk mengatasi tantangan unik NER Indonesia, memberikan landasan untuk kemajuan lebih lanjut di bidang ini.