Onnowpurbo: Created page with "Baik, saya jelaskan dengan bahasa sederhana ya 👇 --- ## 🔹 Apa itu NER? NER (Named Entity Recognition) adalah teknik dalam Natural Language Processing (NLP) un..."

2025-09-12T23:52:21Z

Created page with "Baik, saya jelaskan dengan bahasa sederhana ya 👇 --- ## 🔹 Apa itu NER? **NER (Named Entity Recognition)** adalah teknik dalam **Natural Language Processing (NLP)** un..."

New page

Baik, saya jelaskan dengan bahasa sederhana ya 👇

---

## 🔹 Apa itu NER?

**NER (Named Entity Recognition)** adalah teknik dalam **Natural Language Processing (NLP)** untuk mengenali dan menandai bagian teks yang penting.
Contoh entitas yang biasanya dicari:

* **PERSON** → nama orang → “Jokowi”, “Budi Santoso”
* **ORG** → organisasi → “UNESCO”, “Institut Teknologi Tangerang Selatan”
* **LOC/GPE** → lokasi atau wilayah → “Jakarta”, “Tokyo”, “Indonesia”
* **DATE/TIME** → tanggal & waktu → “13 September 2025”, “pukul 10 pagi”
* **MONEY** → uang → “Rp 50.000”, “USD 10”
* **EMAIL/PHONE/URL** → kontak & alamat digital

Dengan NER, kita bisa **mengubah teks panjang menjadi informasi terstruktur**.
Misalnya:
Teks: *"Presiden Jokowi menghadiri pertemuan G20 di Bali pada 15 November 2022."*
Hasil NER:

```json
[
{"text": "Jokowi", "label": "PERSON"},
{"text": "G20", "label": "ORG"},
{"text": "Bali", "label": "LOC"},
{"text": "15 November 2022", "label": "DATE"}
]
```

---

## 🔹 Hubungan NER dengan Ollama

**Ollama** adalah platform untuk menjalankan **Large Language Models (LLM)** secara lokal (di laptop/server).
Model LLM seperti *LLaMA 3, Mistral, Gemma* bisa dipakai untuk banyak tugas, termasuk **NER**.

Cara kerjanya:

1. **OCR → teks**
Dari gambar (scan JPG/PNG), teks diekstrak dulu pakai OCR (mis. Tesseract).
2. **Teks → Ollama**
Teks ini dikirim ke Ollama dengan *prompt khusus* supaya model mengekstrak entitas.
Misalnya kita instruksikan:
*“Cari nama orang, organisasi, lokasi, dan tanggal dari teks berikut, lalu keluarkan hasil dalam format JSON.”*
3. **Ollama menghasilkan output JSON**
Model akan mengembalikan daftar entitas sesuai instruksi → inilah hasil NER.

Dengan kata lain:

* **NER = apa yang kita ingin lakukan (tujuan)**
* **Ollama = mesin (model LLM) yang mengeksekusi instruksi untuk melakukan NER**

---

## 🔹 Ilustrasi sederhana

```
[Gambar Nota] --(OCR)--> "TOKO MAJU JAYA, Total Rp 125.000"
|
v
[NER via Ollama]
|
v
{
"entities": [
{"text": "TOKO MAJU JAYA", "label": "ORG"},
{"text": "Rp 125.000", "label": "MONEY"}
]
}
```

---

Apakah mau saya buatkan **diagram visual (flowchart)** sederhana supaya lebih gampang dibayangkan alurnya OCR → NER → Ollama?

NER: Konsep - Revision history

Onnowpurbo: Created page with "Baik, saya jelaskan dengan bahasa sederhana ya 👇 --- ## 🔹 Apa itu NER? **NER (Named Entity Recognition)** adalah teknik dalam **Natural Language Processing (NLP)** un..."

Onnowpurbo: Created page with "Baik, saya jelaskan dengan bahasa sederhana ya 👇 --- ## 🔹 Apa itu NER? NER (Named Entity Recognition) adalah teknik dalam Natural Language Processing (NLP) un..."