Artikel digital kesenian tradisional merupakan cara paling mudah untuk memperoleh informasi mengenai kesenian tradisional di era digital. Di dalam artikel kesenian tradisional, selalu
memuat entitas kesenian, seperti tarian, musik, seni pertunjukan, tokoh kesenian, dan alat musik. Begitu banyaknya jenis kesenian tradisional Indonesia, khususnya di pulau Jawa
membuat pengenalan terhadap entitas di dalam artikel tersebut menjadi lebih sulit. Oleh karena itu, diperlukan sebuah sistem yang dapat membantu memberikan label untuk setiap entitas yang ada dalam sebuah artikel. Penelitian ini merancang sistem menggunakan algoritma Conditional Random Field (CRF). Berdasarkan penelitian sebelumya, CRF mampu memprediksi entitas dalam sebuah kalimat berbahasa Indonesia dengan lebih baik. Tujuan dari penelitian ini yaitu untuk mengimplementasikan CRF pada Named Entity Recognition (NER) untuk artikel digital kesenian tradisional Indonesia menggunakan bahasa pemrograman Python, serta mengetahui f1-score yang dihasilkan. Berdasarkan beberapa skenario yang diuji, dihasilkan performa paling baik dengan pembagian data train dan data test sebesar 4:1, yang menghasilkan nilai rata-rata f1-score 88.2%, recall 90.3%, dan precision 88.2%.