Pada teks portal berita terdapat banyak informasi yang penting seperti nama orang, nama organisasi atau nama tempat. Untuk memperoleh informasi dalam dokumen teks secara manual, manusia harus membaca isi seluruh teks berita. Untuk mengatasi masalah tersebut digunakan lah ekstraksi informasi atau yang disebut Named Entity Recognition (NER). Ekstraksi informasi khusus nya untuk bidang NER digunakan untuk mempermudah dalam memproses data yang bersifat kata atau kalimat. Seperti untuk membantu mesin pencarian dan juga membantu untuk mengklasifikasikan tempat, waktu, dan organisasi. NER pada teks berbahasa Indonesia dengan hanya menggunakan metode Recurrent Neural Network (RNN) masih sangat minim dikarenakan penelitian lain sejenis menggunakan versi lain dari RNN seperti LSTM (Long Short Term Memory), BiLSTM (Bidirectional Long Short Term Memory), CNN (Convolutional Neural Network) dan lainlain, dengan itu penulis melakukan penelitian dengan hanya menggunakan metode RNN pada teks berbahsa Indonesia untuk melihat performa dan akurasi jika hanya menggunakan metode RNN pada entitas organisasi. NER merupakan salah satu jawaban permasalahan yang ada pada teks portal berita dengan jumlah yang banyak untuk memperoleh informasi secara efektif dan efisien. Hasil penelitian ini menunjukan bahwa sistem NER menggunakan metode RNN pada teks berita bahasa Indonesia memiliki F1 -Score sebesar 80%.