Seiring dengan perkembangan zaman, muncullah gagasan untuk membuat komputer bisa memahami bahasa
manusia. Instruksi yang sebelumnya hanya dengan menggunakan bahasa mesin, kini bisa diinstruksikan
dengan menggunakan bahasa alami. Pemrosesan bahasa alami merupakan sebuah proses berkelanjutan
dari banyak fase. Hidden Markov Model merupakan salah satu proses mengolah bahasa alami dalam
serangkaian proses yang ada dalam pemrosesan bahasa alami. Guna meningkatkan kinerja dalam penelitian
di bidang pemrosesan bahasa alami, perlu dikembangkan sistem rekomendasi kalimat yang bisa digunakan
secara mudah.Untuk membuat sistem POS Tagging, diperlukan teknik pemodelan dan perhitungan
secara probabilistik untuk menentukan jenis kata dari masing-masing kalimat. Hidden Markov Model merupakan
salah satu teknik pemodelan dan perhitungan statistik probabalistik dengan tingkat akurasi yang
tinggi. POS Tagging menggunakan Metode Hidden Markov Model memudahkan pengguna untuk mengetahui
hasil tag yang diberikan oleh sistem. Hasil yang didapat dari pembangunan sistem ini adalah nilai
macro average precision sebesar 92%, weighted average precision sebesar 85% dan akurasi terbaik yaitu
sebesar 81% dengan model Hidden Markov Model.
Kata kunci : Hidden Markov Model , bahasa Indonesia, treebank, tagging,