<![CDATA[Banjir merupakan bencana yang paling sering terjadi di Indonesia, sehingga informasi cepat dan akurat tentang lokasi terdampak menjadi sangat penting. Penelitian ini bertujuan untuk mengembangkan model Named Entity Recognition (NER) berbasis Conditional Random Field (CRF) guna mengekstrak entitas penting (nama kota dan waktu) dari berita online terkait banjir. Data diambil dari 200 artikel berita tahun 2023 melalui metode web scraping dan manual dari lima portal berita nasional. Proses preprocessing mencakup pembersihan teks, tokenisasi, stemming, stopword removal, dan POS tagging. Data kemudian dilabeli menggunakan metode chunking dan IOB tagging untuk meningkatkan performansi identifikasi entitas. Evaluasi menunjukkan bahwa penggunaan IOB tagging pada CRF meningkatkan kinerja model, dengan F1-score = 93.6%. Hasil penelitian ini menunjukkan bahwa CRF efektif dalam mengekstrak informasi bencana banjir, dan dapat mendukung pengambilan keputusan cepat dalam upaya penanggulangan bencana.]]>
Copyrights © 2025
