Dalam Natural Language Processing (NLP), Teknologi Named Entity Recognition (NER) merupakan salah satu bagian dari metode NLP dan banyak dipergunakan seperti ekstraksi informasi, pencarian informasi, terjemahan mesin dan sistem penjawab pertanyaan dan lain-lain, sehingga penelitian ini berfokus pada ekstraksi informasi. Named Entity Recognition (NER) memiliki tujuan utama mengidentifikasi nama entitas dengan makna khusus dalam teks, terutama nama pribadi, lokasi, organisasi, waktu dan entitas-entitas lainnya. Sumber data yang digunakan adalah teks berita berbahasa Indonesia yang dilabelin secara manual dengan menggunakan beberapa tag, yaitu nama pribadi, lokasi, organisasi dan waktu. Oleh karena itu, penelitian ini menggunakan metode Bidirectional LSTM-CRF. Bidirectional LSTM memanfaatkan pra-konteks(konteks sebelumnya) dan pasca-konteks(konteks sesudahnya) dengan memproses data dari dua arah yang kemudian diklasifikasikan menggunakan CRF. Pada penelitian ini, terdapat beberapa proses yang dilakukan, yaitu preprocessing(case folding, filtering, tokenization), labeling, word2vec, training, testing dan proses terakhir evaluasi. Hasil penelitian ini menunjukkan bahwa metode Bidirectional LSTM-CRF untuk sistem NER terhadap teks bahasa Indonesia memperoleh hasil f1-score untuk entitas organisasi sebesar 86%. Hasil ini didasarkan pada tiga skenario pengujian, yaitu mengatur word embedding dimensions, units dan batch sizes