ner-laporgub-jateng

NER Lokasi Laporan Gubernur Jawa Tengah

Model Named Entity Recognition (NER) untuk mengekstrak entitas lokasi dari laporan ke Gubernur Jawa Tengah.

Model Description

Model ini dilatih untuk mendeteksi entitas lokasi seperti:

• Nama Desa
• Nama Kecamatan
• Nama Kabupaten
• Nama Kota

Intended Use

Model ini cocok untuk:

• Ekstraksi lokasi dari laporan masyarakat
• Analisis teks bahasa Indonesia khususnya Jawa Tengah
• Sistem pengaduan masyarakat

How to Use

from transformers import AutoTokenizer, TFAutoModelForTokenClassification, pipeline

# Load model
model_name = "Mozkyy/ner-laporgub-jateng" 
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = TFAutoModelForTokenClassification.from_pretrained(model_name)

# Create pipeline
nlp = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="simple")

# Test
text = "Jalan rusak di Desa Karanganyar Kabupaten Demak sangat parah"
results = nlp(text)

for entity in results:
    print(f"{entity['word']} -> {entity['entity_group']} (score: {entity['score']:.2f})")

Training Data

Dataset: Laporan masyarakat ke Gubernur Jawa Tengah

Training Procedure

• Base Model: IndoBERT/mBERT
• Framework: TensorFlow
• Task: Token Classification

Limitations

• Model dilatih khusus untuk konteks Jawa Tengah
• Performa mungkin menurun untuk teks di luar domain

Citation

Jika menggunakan model ini dalam penelitian, mohon sitasi:

@misc{ner-laporgub-jateng,
  author = {Mozkyy},
  title = {NER Model untuk Laporan Gubernur Jawa Tengah},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/USERNAME/ner-laporgub-jateng}}
}

3. **Ganti `USERNAME`** dengan username Hugging Face Anda

4. **Klik "Commit new file to main"**

## Langkah 6: Verifikasi Upload Berhasil

1. **Cek tab "Files and versions"** - pastikan semua file ada:

✅ README.md ✅ config.json ✅ tf_model.h5 ✅ tokenizer_config.json ✅ vocab.txt (atau tokenizer.json) ✅ special_tokens_map.json