ABSTRAK Nama : Putu Wira Astika Dharma Program Studi : Ilmu Komputer Judul : Pengembangan Sistem Named Entity Recognition Bahasa Indonesia menggunakan Long Short-Term Memory Named Entity Recognition atau disingkat NER adalah salah satu bidang riset Information Extraction (IE). Manfaat dari Named Entity Recognition banyak dirasakan dalam beberapa penelitian IE dan Pengolahan Bahasa Manusia, beberapa diantaranya terkait dengan penelitian machine translation, question answering, semantic web, dan lain-lain. Penelitian kali ini mencoba untuk meningkatkan performa mesin Named Entity Recognition yang dapat mengenali entitas Person, Location, dan Organisation. Permasalahan ini dapat dipandang sebagai permasalahan sequence labelling. Pada penelitian ini diusulkan penggunaan teknik Deep Learning dengan menggunakan Recurrent Neural Networks (RNNs). RNNs sendiri adalah state-of-the-art untuk permasalahan sequence labelling. Salah satu variasi RNNs yang digunakan pada penelitian ini adalah Long Short-Term Memory (LSTM). Fitur yang diusulkan adalah word embedding kata itu sendiri, kata sebelum, kata sesudah, dan fitur POS-Tag. Terdapat tiga model yang diusulkan pada penelitian ini yaitu LSTM 1 layer, LSTM 2 layer, dan Bidirectional LSTM. Penelitian ini menunjukkan bahwa penggunaan RNNs khususnya LSTM terbukti memberikan kenaikan performa dibandingkan dengan penelitian sebelumnya yang menggunakan CRF, dengan rata-rata F-Measure mencapai 57.31%. Kata Kunci: Named Entity Recognition, NER, Wikipedia, DBPedia, Recurrent Neural Networks, Long Short-Term Memory, LSTM, Deep Learning