ABSTRACTAlmost every day we can obtain information about crime news such as theft,murder, assault, drug, or rape through online news. Crime news can be used as agood data source to make map of crime distribution in an area if we can extract thelocation of a crime. This study aimed to extract entity location on crime news onlinein Indonesian newspapers. In this study we used rule-based algorithm combinedwith morphology token, contextual component and database of administration areato identify and extract the entity location of a crime, as well as using the algorithmSVM (Support Vector Machine) to classify the sentence which is a sentence thatcontains the location of a crime.For each sentence which is contains criminalslocation will passing geocoding process so that location can be mapped on digitalmap. Benefits from this research is we can know the point of crime distribution inan area using crime new from the internet.The results of this experiment shows that accuracy of rule based algorithm toidentitfy location entity is 96.2%, while the best accuracy of SVM model toclassifying crime location sentence is 95.77% using radial kernel.Keywords :Information Extraction, Named Entity, Support Vector Machine, Crime.ABSTRAKHampir setiap hari kita dapat memperoleh informasi berita kriminal sepertipencurian, pembunuhan, penganiayaan, narkoba, ataupun pemerkosaan melaluiberita online. Sehingga berita kriminal dapat dijadikan sebagai sumber data yangbagus untuk membuat data persebaran tindak kriminal pada suatu daerah jika kitadapat mengekstrak lokasi tindak kriminal. Penelitian ini bertujuan untukmengekstrak entity lokasi pada berita kriminal online pada surat kabar berbahasaIndonesia. Pada penelitian ini digunakan rule-based algorithm yang digabungkandengan morphology token, contextual component dan database wilayahadministrasi untuk mengidentifikasi dan mengekstrak entity lokasi tindak kriminal,serta menggunakan algoritma SVM (Support Vector Machine) untukmengklasifikasikan kalimat mana yang merupakan kalimat yang mengandunglokasi tindak kriminal. Untuk setiap kalimat yang merupakan kalimat lokasikriminal mengalami proses geocoding agar dapat dipetakan pada peta digital.Manfaat yang dapat diperoleh dari penelitian ini adalah kita dapat mengetahui titikpersebaran tindak kriminal pada suatu daerah menggunakan berita kriminal dariinternet.Hasil penelitian menunjukkan akurasi dari rule based algorithm untukmengidentifikasi entity lokasi adalah 96.2%, sedangkan akurasi terbaik dari modelSVM untuk mengklasifikasikan kalimat yang mengandung entity lokasi terjadinyatindak kriminal sebesar 95.77% dengan menggunakan kernel radial.Kata Kunci : Ekstraksi Entity, Entity Lokasi, Support Vector Machine, Kriminal