Analisis Teks Dokumen Administratif untuk Peringkasan Menggunakan NER-NLP

Dokumen administratif merupakan salah satu sumber informasi penting yang digunakan
dalam berbagai aktivitas organisasi dan institusi. Namun, proses identifikasi informasi
penting pada dokumen administratif masih banyak dilakukan secara manual sehingga
membutuhkan waktu yang cukup lama dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan mengembangkan sistem analisis dokumen administratif yang
mampu melakukan ekstraksi informasi penting dan menghasilkan ringkasan dokumen
secara otomatis. Sistem yang dikembangkan memanfaatkan PaddleOCR untuk
mengekstraksi teks dari dokumen PDF digital, PDF hasil pemindaian, dan DOCX, serta
model IndoBERT yang telah melalui proses fine-tuning untuk melakukan Named Entity
Recognition (NER) terhadap entitas administratif seperti nomor surat, jenis dokumen, tanggal, pengirim, penerima, perihal, lokasi, waktu, dan isi dokumen. Selain itu, sistem
mengimplementasikan LayoutLMv3 untuk mendukung ekstraksi informasi pada dokumen
yang mengandung tabel dan menghasilkan ringkasan dokumen berdasarkan hasil
identifikasi entitas. Model NER dilatih melalui 13 skenario eksperimen dengan berbagai
strategi optimasi, dan konfigurasi terbaik diperoleh pada Run ID #13 dengan nilai F1- score sebesar 88,56%. Sistem kemudian diimplementasikan dalam bentuk REST API
menggunakan FastAPI dan di-deploy pada AWS EC2. Hasil pengujian menunjukkan
bahwa sistem mampu mengidentifikasi informasi penting secara otomatis dan
menghasilkan ringkasan dokumen yang relevan, sehingga dapat membantu meningkatkan
efisiensi pengelolaan dan analisis dokumen administratif