Beberapa tahun terakhir, parsing menjadi sangat populer dalam ruang lingkup NLP (Natural Language Processing) dengan adanya Dependency Parser. Namun, hampir semua Dependency Parser yang ada melakukan klasifikasi berdasarkan jutaan fitur indikator jarang (sparse). Fitur ini tidak hanya buruk dalam mengambil kesimpulan, tetapi juga membatasi kecepatan parsing secara signifikan sehingga parsing yang dihasilkan tidak maksimal. Untuk mengatasi permasalahan tersebut, dilakukan pergantian penggunaan fitur jarang (sparse) menjadi fitur padat (dense). Dengan penggunaan fitur padat dapat secara efektif mengurangi sparsity antar kata. Metode klasifikasi Jaringan Saraf Tiruan digunakan untuk menghasilkan parsing yang cepat dan ringkas dalam Transition-Based Dependency Parser dengan menggunakan 2 hyperparameter. Dataset yang digunakan pada penelitian ini yaitu Bahasa Arab, China, Inggris, dan Indonesia. Berdasarkan evaluasi yang telah dilakukan, menunjukkan hasil yang lebih tinggi dengan menggunakan hyperparameter kedua. Pada pengujian dengan data test Bahasa Inggris diperoleh nilai akurasi LAS (Labelled Attachment Score) 80.4% dan UAS (Unlabelled Attachment Score) 83%. Kemudian dengan data dev diperoleh nilai akurasi LAS 81.1% dan UAS 83.7%, serta kecepatan parsing sebesar 98 sent/s.
Kata kunci : Parsing, dependency parser, transition-based dependency parser.