Dalam bahasa Belanda, recht orde, ialah susunan hukum, artinya memberikan tempat yang sebenarnya kepada hukum., Yang dimaksud dengan ”memberikan tempat yang sebenarnya” yaitu menyusun dengan baik dan tertib aturan – aturan hukum dalam pergaulan hidup. Aturan - aturan hukum tersebut disusun dengan maksud untuk mengatasi apabila ada pelanggaran yang berlawanan dengan aturan terkait. Aturan tersebut juga dibangun dengan tujuan menjadikan lingkungan masyarakat atau negara menjadi aman dan tertib. Namun, pada faktanya vonis yang dijatuhkan oleh hakim sering kali tidak dapat dipastikan oleh para pencari keadilan. Dalam suatu perkara yang sama dan dengan pelanggaran pasal yang didakwakan yang sama pula, putusan yang dijatuhkan antara pengadilan yang satu dengan pengadilan lainnya dapat berbeda. Berdasarkan hal itu, pada penelitian ini penulis berusaha mengakomodasi praktisi hukum sebuah alat bantu dalam melakukan prediksi atau klasifikasi putusan atas suatu perkara pidana baru. Selain itu, dengan mengembangkan dari penelitian Naradipha Mahardika, 2023, penelitian ini menggunakan model ekstraksi (NER) untuk mengekstraksi entitas - entitas dari dokumen putusan pidana untuk dijadikan sebagai input model. Model yang akan digunakan pada penelitian ini antara lain model machine learning ada Logistic Regression, SVM, dan Naive Bayes, sedangkan untuk model deep learning ada LSTM dan CNN. Selain itu, juga akan dilakukan ablation study untuk mencari entitas dengan signifikan tertinggi. Hasil penelitian menunjukkan model CNN menjadi model dengan performa tertinggi dengan nilai f1-score sebesar 0.9765. Selain itu, entitas “Nama Pengadilan“ menjadi entitas signifikansi tertinggi setelah melakukakan ablation study dengan nilai akurasi yang turun sebesar 0.0417.

---

In Dutch, ”recth orde” means law order, which implies giving actual place or order to the law. This ”giving actual place” refers to structuring rules and regulations in social life. These laws are arranged with the intention of addressing violations that go against the established rules. Furthermore, these regulations are also designed to create a safe and orderly environment within society or a nation. However, in reality, the verdict handed down by judges often cannot be determined by seekers of justice. In the same case and with the same charged offense, the rulings issued between one court and another can differ. Based on this, in this research, the author aims to provide legal practitioners with a tool to aid in predicting or classifying verdicts in a criminal case that was trained later based on previous judgement documents. Additionally, building upon Naradipha Mahardika, 2023 research, this study uses Named Entity Recognition (NER) models to extract entities from criminal verdict documents as inputs for the model. The models experimented in this research include machine learning models like Logistic Regression, SVM, and Naive Bayes, along with deep learning models such as LSTM and CNN. Also an ablation study will be conducted to identify entities with the highest significance. The research results indicate that the CNN model performs the best with an f1-score of 0.9765. Additionally, the ablation study shows the highest significance in an “Nama Pengadilan“ entity, showing significance with a decrease in accuracy by 0.0417