NAMED ENTITY RECOGNITION DAN SEQUENCE PAIR CLASSIFICATION BERBASIS INDOBERT UNTUK EKSTRAKSI DAN REKONSILIASI DATA LOGISTIK
DOI:
https://doi.org/10.70248/jrsit.v4i1.4427Keywords:
Ekstraksi dan Rekonsiliasi Data Logistik, Fine-Tuning IndoBERT, Named Entity Recognition, Sequence Pair Classification.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
References
Y. Sirait, Marsofiyati, And T. F. Mahfirah, “Analisis Efektivitas Komunikasi Kerja Melalui Whatsapp Divisi Crude Palm Oil Di Pt Miduk Arta,” J. Ilm. Ekon. Manaj. Bisnis Dan Akunt., Vol. 3, No. 2, Pp. 1–9, 2026. DOI: 10.61722/jemba.v3i2.2169.
N. L. A. Sugiyantoro, M. Wijaya, And S. Supriyadi, “Benefits Of Whatsapp As A Communication Media On Small Business Social Networks,” J. Soc. Media, Vol. 6, No. 1, Pp. 1–16, 2022, Doi: 10.26740/Jsm.V6n1.P1-16.
N. N. Saragih And R. Kurniawan, “Peningkatan Akurasi Named Entity Recognition (Ner) Dengan Fine-Tuning Bert Pada Dataset Bahasa Indonesia,” J. Comput. Eng. Syst. Sci., Vol. 10, No. 1, Pp. 299–311, 2025. DOI: 10.24114/cess.v10i2.67219
E. Yulianti, N. Bhary, J. Abdurrohman, F. W. Dwitilas, E. Q. Nuranti, And H. S. Husin, “Named Entity Recognition On Indonesian Legal Documents: A Dataset And Study Using Transformer-Based Models,” Int. J. Electr. Comput. Eng., Vol. 14, No. 5, Pp. 5489–5501, 2024, Doi: 10.11591/Ijece.V14i5.Pp5489-5501.
N. U. Muchtar, Deni Arifianto, And Reni Umilasari, “Analisis Kinerja Transformer Untuk Named Entity Recognition (Ner) Menggunakan Indobert Pada Transkrip Video Politik Berbahasa Indonesia,” Discov. J. Ilmu Pengetah., Vol. 10, No. 2, Pp. 180–199, 2025, Doi: 10.33752/Discovery.V10i2.10133.
B. Wilie Et Al., “Indonlu: Benchmark And Resources For Evaluating Indonesian Natural Language Understanding,” Proc. 1st Conf. Asia-Pacific Chapter Assoc. Comput. Linguist. 10th Int. Jt. Conf. Nat. Lang. Process. Aacl-Ijcnlp 2020, Pp. 843–857, 2020, Doi: 10.18653/V1/2020.Aacl-Main.85.
K. Kamdan, M. P. Anugrah, M. J. Almutaali, R. Ramdani, And I. L. Kharisma, “Performance Analysis Of Indobert For Detection Of Online Gambling Promotion In Youtube Comments,” Eng. Proc., Vol. 107, No. 1, 2025, Doi: 10.3390/Engproc2025107066.
L. Afuan, N. Hidayat, H. Hamdani, H. Ismanto, B. C. Purnama, And D. I. Ramdhani, “Optimizing Bert Models With Fine-Tuning For Indonesian Twitter Sentiment Analysis,” J. Wirel. Mob. Networks, Ubiquitous Comput. Dependable Appl., Vol. 16, No. 2, Pp. 248–267, 2025, Doi: 10.58346/Jowua.2025.I2.016.
H. Murfi, S. Theresia Gowandi, G. Ardaneswari, And S. Nurrohmah, “Bert-Based Combination Of Convolutional And Recurrent Neural Network For Indonesian Sentiment Analysis,” Appl. Soft Comput., Vol. 151, Pp. 1–15, 2024. DOI: 10.1016/j.asoc.2023.111112
R. Ishak, “Optimasi Embedding Indobert Dengan Ditto Whitening Untuk Pengukuran Kesamaan Judul Penelitian Optimizing Of Indobert Embedding With Ditto Whitening For Measuring Research Title Similarity,” Vol. 8, 2026. DOI: 10.37905/jjeee.v8i1.35554
M. C. Kenton, L. Kristina, And J. Devlin, “Bert: Pre-Training Of Deep Bidirectional Transformers For Language Understanding,” No. Mlm, 2019. DOI: 10.18653/v1/N19-1423
M. Kunilovskaya, “Text Preprocessing And Its Implications In A Digital Humanities Project,” Pp. 85–93, 2021. DOI: 10.26615/ISSN.2603-2821.2021_013
K. Al Sharou, Z. Li, And L. Specia, “Towards A Better Understanding Of Noise In Natural Language Processing,” Pp. 53–62, 2021. DOI: 10.26615/978-954-452-072-4_007
A. N. Azizah Et Al., “Easy Data Augmentation Untuk Data Yang Imbalance Pada Easy Data Augmentation For Imbalanced Data Of Online Health,” Vol. 10, No. 5, 2023, Doi: 10.25126/Jtiik.2023107082.
H. Setiawan And D. Ariatmanto, “Analisis Perbandingan Algoritma Machine Learning Dan Deep Learning Untuk Sentimen Analisis Teks Umpan Balik Tentang Evaluasi Pengajaran Dosen,” Jsai (Journal Sci. Appl. Informatics), Vol. 7, No. 2, Pp. 379–385, 2024, Doi: 10.36085/Jsai.V7i2.6572.
B. Prasetiyo And M. Nur, “A Novel Fusion Of Machine Learning Methods For Enhancing Named Entity Recognition In Indonesian Language Text,” Pp. 1–10, 2024. DOI: 10.21456/vol14iss4pp311-320
H. R. Salim, C. De, N. D. Pratamaputra, And D. Suhartono, “Indonesian Automatic Short Answer Grading System,” Bull. Electr. Eng. Informatics, Vol. 11, No. 3, Pp. 1586–1603, 2022, Doi: 10.11591/Eei.V11i3.3531.
R. M. Yanti, I. Santoso, And L. H. Suadaa, “Application Of Named Entity Recognition Via Twitter On Spacy In Indonesian ( Case Study : Power Failure In The Special Region Of Yogyakarta ),” Vol. 4, No. 1, Pp. 76–86, 2021. DOI: 10.24002/ijis.v4i1.4677
B. Siswanto And M. Hanafi, “Optimasi Indobert Untuk Pengenalan Entitas Bernama Bahasa Indonesia Pada Data Media Sosial Dengan Penalaan Hiperparameter Optuna,” Vol. 13, No. 1, 2026, Doi: 10.30865/Jurikom.V13i1.9545.
A. Kunaefi, Z. Abidin, And R. Kusumawati, “Klasifikasi Berita Hoaks Bahasa Indonesiamenggunakan Indobert Fine-Tuningdenganpendekatan Focallosspada Data Tidak Seimbang,” Jipi (Jurnal Ilm. Penelit. Dan Pembelajaran Inform., Vol. 10, No. 2, Pp. 1706–1714, 2025. DOI: 10.29100/jipi.v10i2.7811
