Pada saat ini, forum-forum online sudah banyak bermunculan, terutama yang membahas tentang ulasan produk. Dari ulasan produk yang ditulis dapat diekstraksi beberapa informasi yang penting, salah satunya adalah penyebutan nama produk. Ekstraksi nama produk dalam sebuah teks memiliki beberapa manfaat, seperti market intelligence management, enterprise content management, dan lain-lain. Tetapi, karena teks ulasan biasanya berbentuk teks informal, maka variasi penyebutan untuk nama sebuah produk pun bermacam-macam, sehingga untuk mengekstrak nama produk dengan pencocokan yang benar-benar pasti ke daftar nama merek itu sangat sulit. Oleh karena itu, sistem pengenalan entitas nama produk/product named entity recognition (PRO NER) dibangun untuk mengatasi masalah tersebut. Dalam membangun sistem PRO NER pada penelitian ini, digunakan metode Hidden Markov Model (HMM) dan algoritma Viterbi. Berdasarkan model HMM-Viterbi yang telah dibangun, diperoleh F1-score untuk masing-masing label merek (BRA), produk (PRO), dan tipe (TYP) sebesar 69.17%, 44.65%, dan 26.67%.
Kata kunci : NER, ekstraksi informasi, PRO NER, Hidden Markov Model, algoritma Viterbi