Claim Missing Document
Check
Articles

Found 1 Documents
Search

NAMED ENTITY RECOGNITION DAN SEQUENCE PAIR CLASSIFICATION BERBASIS INDOBERT UNTUK EKSTRAKSI DAN REKONSILIASI DATA LOGISTIK Alif Haikal; Jafar Shadiq
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 4 No. 1 (2026): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v4i1.4427

Abstract

PT. Rafay Anugrah Logistik mengandalkan WhatsApp untuk koordinasi pesanan armada harian, namun ekstraksi instruksi pesanan multi-unit ke spreadsheet serta pencocokan pesan susulan dengan pesanan induknya masih dilakukan manual, berisiko menimbulkan penumpukan pekerjaan seiring meningkatnya volume pesanan. Penelitian ini mengusulkan pipeline deep learning hibrida menggunakan dua model fine-tuning IndoBERT. Model pertama, berbasis IndoBERT-Base-Uncased, menerapkan Named Entity Recognition dengan skema BIO tagging untuk mengekstraksi sembilan atribut inti pesanan dari teks mentah. Model kedua, berbasis IndoBERT-Base-p2, menerapkan Sequence Pair Classification untuk menentukan keterkaitan pesan susulan, didukung mekanisme rule-based post-processing untuk normalisasi keluaran. Pendekatan fine-tuning penuh diterapkan untuk memproses pola bahasa informal pada pesanan logistik. Uji banding pada tahap validasi yang menerapkan skema isolasi data (split-before-augmentation) untuk meminimalisasi overfitting, menunjukkan perubahan F1-Score makro model Named Entity Recognition dari 83,3% menjadi 100,0%, dan model Sequence Pair Classification dari 68,5% menjadi 100,0%. Pencapaian metrik tersebut berkaitan erat dengan kapasitas arsitektur dalam mengenali batasan variasi pada dataset validasi sintetis. Oleh karena itu, hasil penelitian ini diposisikan sebagai bukti kelayakan awal (proof of concept). Sebagai tahapan selanjutnya, evaluasi menggunakan data operasional murni berskala besar diperlukan untuk memvalidasi ketahanan model pada kondisi nyata