ABSTRAK Nama : Firdaus Solihin Program Studi : Doktor Ilmu Komputer Judul : Ekstraksi Informasi Dokumen Putusan Pengadilan yang Bersifat Adaptif Menggunakan Metode Berbasis Aturan dan Pembelajaran Mesin Pembimbing : Prof. Dr. Indra Budi S.Kom., M.Kom. Dokumen putusan pengadilan jumlahnya sangat banyak dan terus berkembang. Menyaring jutaan dokumen putusan secara manual berdasarkan kriteria tertentu membutuhkan banyak waktu dan tenaga. Ekstraksi informasi dokumen putusan adalah salah satu solusi untuk dapat menyaring dan menggali informasi penting yang ada dalam dokumen secara otomatis. Dokumen putusan memiliki berbagai klasifikasi, masing-masing memiliki pola umum, pola khusus. Dokumen Putusan juga memiliki banyak variasi penggunaan kata, penggunaan frasa, struktur sistematika yang berbeda. Kondisi dan karakteristik dari dokumen putusan pengadilan membuat proses ekstraksi informasi membutuhkan model yang lebih adaptif terhadap berbagai perbedaan tersebut. Penelitian ini bertujuan untuk melakukan ekstraksi informasi dokumen putusan dari klasifikasi yang berbeda baik pidana maupun perdata. Pendekatan yang digunakan adalah metode berbasis aturan, SVM, CRF, BiLSTM dan BERT. Dataset yang digunakan adalah putusan pidana dan perdata yang diambil dari directory putusan MA, masing-masing sebanyak 200 putusan. Hasil ujicoba ekstraksi informasi dari dataset pidana sebanyak 200 putusan menunjukkan nilai F1-score sebesar 0.89 untuk metode berbasis aturan, masing-masing 0.65 dibanding 0.19 pada penggunaan metode mechine learning klasik CRF dan SVM, 0.37 pada pemanfaatan BiLSTM, sedangkan pada penggunaan metode BERT menunjukkan hasil 0.96. Pemanfaatan metode BERT memiliki keunggulan lebih disamping penggunaan pre-trained juga memiliki hasil akurasinya menunjukkan nilai tertinggi dibandingkan dengan metode lainnya. Hasil ujicoba adaptif pada putusan pidana dan perdata sekaligus menggunakan dataset total 400 putusan dan metode BERT menunjukkan penggabungan dataset dari klasifikasi yang berbeda dan juga penggabungan entitas dari kalsifikasi tersebut dapat menjadi solusi agar model yang dapat adaptif terhadap perbedaan. metode BERT dengan pretrained bert-base-indonesian-522M menghasilkan nilai akurasi terbaik pada model adptive baik dari test acak sebesar 0.962, test pidana sebesar 0.975 maupun test perdata sebesar 0.973. Pemanfaatan sifat adaptif dari informasi untuk putusan ini dapat menjadi pendorong pengembangan pemanfaatan NLP khususnya di bidang hukum, dan hasil ektrasi informasi dapat digunakan dan dimanfaatkan untuk berbagai proses penggalian informasi hukum. Kata kunci: Information Extraction, Putusan Pengadilan, Adaptif information Extraction, SVM, CRF, BiLSTM, BERT.