PENINGKATAN KINERJA NAMED ENTITY RECOGNITION BAHASA INDONESIA MELALUI AUGMENTASI DATA BERBASIS LARGE LANGUAGE MODELS

Abstrak

Named Entity Recognition (NER) merupakan salah satu tugas utama dalam Natural Language Processing (NLP) yang memerlukan ketersediaan data beranotasi dalam jumlah cukup. Bahasa Indonesia tergolong dalam kategori bahasa dengan sumber daya terbatas, sehingga performa model NER pada bahasa ini masih jauh dari optimal. Penelitian ini bertujuan meningkatkan kinerja NER Bahasa Indonesia melalui augmentasi data berbasis Large Language Models (LLM), khususnya GPT-4, dengan dua strategi: parafrasa kalimat dan substitusi entitas. Dataset yang digunakan berupa korpus berita berbahasa Indonesia dengan fokus pada entitas PERSON, ORGANIZATION, dan LOCATION. Model BiLSTM dan BiLSTM-CRF dilatih menggunakan data asli dan data hasil augmentasi. Hasil menunjukkan bahwa strategi augmentasi mampu meningkatkan performa model. Model BiLSTM-CRF dengan data augmentasi mencapai skor Macro F1 sebesar 0,75 dan Micro F1 sebesar 0,95, meningkat sekitar 20 poin dibandingkan dengan baseline tanpa augmentasi. Peningkatan terbesar tercatat pada entitas dengan frekuensi rendah seperti QUANTITY dan TIME. Temuan ini menunjukkan bahwa augmentasi berbasis LLM dapat digunakan dalam menghasilkan data sintetik yang memperkaya representasi model.

Identifier

• OpenAlex: https://openalex.org/W4413545902
• DOI: https://doi.org/10.51401/jinteks.v7i3.6403