Indonesia merupakan wilayah rawan bencana, dengan lebih dari 20.000 kejadian tercatat dari tahun 2020 hingga 2024. WhatsApp, sebagai platform komunikasi yang paling banyak digunakan (90,9% pengguna usia 16–64 tahun), berpotensi dimanfaatkan sebagai media pelaporan bencana oleh masyarakat. Penelitian ini mengembangkan sistem ekstraksi entitas lokasi dan tipe bencana dari laporan berbasis teks WhatsApp menggunakan Scraping dengan Selenium. Ekstraksi dilakukan dengan metode Named Entity Recognition (NER) menggunakan model BERT, spaCy, dan algoritma Jaro-Winkler untuk koreksi otomatis. Hasil pengujian terhadap 1000 data didapatkan bahwa pada deteksi laporan dan bukan laporan metode BERT, spaCy dan BERT+spaCy memiliki F1 Score terbaik dengan Macro Average dan Weighted Average sebesar 1. Sedangkan pada deteksi per entitas metode BERT+spaCy memiliki F1 Score terbaik dengan Macro Average sebesar 0.999334 dan Weighted Average sebesar 0.999500. Waktu eksekusi total tercepat didapat dengan metode spaCy dengan total waktu 42.10 detik dan total waktu eksekusi rata – rata per data 0.04 detik.