ABSTRAK Nama : Muhammad Ridho Ananda Program Studi : Ilmu Komputer Judul : Pengembangan Part-of-Speech Tagger Menggunakan Hidden Markov Model untuk Disambiguasi Kelas Kata pada Indonesian Morphological Analyzer Pembimbing : Ika Alfina, S.Kom., M.Kom. Aksara merupakan suatu morphological analyzer untuk bahasa Indonesia dan dapat melakukan word segmentation (tokenisasi), lemmatization, POS tagging, dan morphological features analysis. Sayangnya, masih terdapat kekurangan yaitu Aksara memiliki permasalahan ambiguitas kelas kata. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan POS tagger metode hybrid dengan menggabungkan Hidden Markov Model (HMM) dan keluaran dari POS tagging Aksara. Permasalahan ambiguitas dilakukan dengan memprediksi kelas kata menggunakan algoritma Viterbi. Model bigram dan trigram digunakan untuk melatih HMM. Model hybrid diuji menggunakan metode 10-fold cross-validation dan memperoleh hasil yang cukup baik dengan model bigram sedikit lebih unggul. Model trigram memperoleh akurasi 86,75% dan rata-rata F1-score 81,07%. Sementara itu, model bigram memperoleh akurasi 86,47% dan rata-rata F1-score 79,54%. Pengujian juga menunjukkan bahwa model hybrid menggabungkan rule-based dari Aksara dan HMM memperoleh hasil yang lebih baik dibandingkan model HMM yang independen dengan margin akurasi sebesar 7,26%. Kata kunci: Aksara, disambiguasi, HMM, POS tagging, morphological analyzer