Klasifikasi Named Entity Recognition Pada Cerita Pendek Bahasa Indonesia Menggunakan Model Indobert

Pengenalan entitas pada cerita pendek bahasa Indonesia memerlukan model yang mampu memahami konteks bahasa naratif secara efektif. Penelitian ini bertujuan menerapkan model IndoBERT pada tugas Named Entity Recognition (NER) untuk mengenali entitas Person, Location, dan Organization. Dataset diperoleh dari e-book Majalah Bobo dan disusun menggunakan format BIO (Begin, Inside, Outside). Penelitian dilakukan melalui tahapan pre-processing, tokenisasi, label encoding, token alignment, dan fine-tuning menggunakan model AutoModelForTokenClassification. Evaluasi dilakukan menggunakan metrik precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT memperoleh nilai F1-score sebesar 0.95 pada label Person, 0.81 pada Organization, dan 0.75 pada Location, dengan weighted average F1-score sebesar 0.90. Hasil tersebut menunjukkan bahwa IndoBERT mampu melakukan pengenalan entitas dengan baik pada cerita pendek bahasa Indonesia.