Dalam Natural Languange Processing (NLP), Named Entity Recognition (NER) merupakan sub-bahasan yang cukup banyak digunakan untuk penelitian. Tugas utama dari Named Entity Recognition (NER) yaitu membantu mengidentifikasi dan mendeteksi nama entitas dari suatu kata yang terdapat dalam kalimat. Sumber data yang kami gunakan yaitu tweet bahasa Indonesia yang bersifat real time, sering terjadi, dan jumlah kata setiap tweet dibatasi yaitu 280 karakter. Kata yang terdapat pada tweet bahasa Indonesia dapat merujuk nama entitas orang atau lokasi atau organisasi, sehingga untuk menentukan nama entitas tersebut harus mempertimbangkan terlebih dahulu dengan melihat pola kata disekitarnya. Di Indonesia,
rata-rata suatu akun memposting tweet paling tidak 1-3 tweet setiap hari yang berisikan kalimat formal dan informal. Ini merupakan tantangan yang cukup sulit untuk memberikan penamaan entitas yang tepat. Pada penelitian ini kami melakukan penamaan entitas tweet bahasa Indonesia dengan menggunakan algoritma Multinomial Naive Bayes Classifier. Sistem menggunakan presicion, recall, dan f-measure sebagai metrik evaluasi. Penamaan entitas ini mampu mengklasifikasi dengan nilai f-1 tertinggi yaitu 80%.