ANALISIS KINERJA TRANSFORMER UNTUK NAMED ENTITY RECOGNITION (NER) MENGGUNAKAN INDOBERT PADA TRANSKRIP VIDEO POLITIK BERBAHASA INDONESIA

Penelitian ini menganalisis kinerja Named Entity Recognition (NER) berbasis IndoBERT dalam mengidentifikasi entitas pada transkrip pidato politik Presiden Republik Indonesia. Proses penelitian mencakup transkripsi video menjadi teks, preprocessing, pelabelan entitas dengan format BIO, serta pelatihan model melalui fine-tuning. Evaluasi kinerja dilakukan menggunakan beberapa skema k-fold cross validation yaitu 2-Fold, 3-Fold, 4-Fold, dan 6-Fold untuk memastikan reliabilitas model. Indikator evaluasi yang digunakan meliputi precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa IndoBERT mampu memberikan performa yang konsisten dengan nilai F1-score yang stabil di seluruh skema validasi, meskipun terdapat variasi kecil pada masing-masing fold. Hal ini menegaskan bahwa IndoBERT efektif dalam mengidentifikasi entitas penting (PER, ORG, LOC, DATE, CRD) pada teks politik berbahasa Indonesia. Penelitian ini memberikan kontribusi pada pengembangan teknologi NLP untuk mendukung analisis wacana politik serta potensi implementasi dalam sistem pemantauan konten digital.

Kata kunci: Named Entity Recognition, IndoBERT, Pidato Politik, Transformer, Cross Validation