Dalam era digital yang semakin kompleks, identifikasi dan penilaian kerentanan keamanan siber menjadi prioritas utama bagi banyak organisasi. Common Vulnerabilities and Exposures (CVE) menyediakan deskripsi standar mengenai kerentanan, sementara Common Vulnerability Scoring System (CVSS) digunakan untuk mengukur tingkat keparahan kerentanan tersebut melalui sejumlah metrik. Namun, penilaian metrik CVSS secara manual terhadap deskripsi CVE bersifat memakan waktu, tidak konsisten, dan rawan subjektivitas. Untuk mengatasi tantangan ini, penelitian ini mengusulkan pendekatan otomatisasi klasifikasi metrik CVSS berdasarkan deskripsi CVE menggunakan metode Natural Language Processing (NLP). Model yang digunakan adalah Bidirectional Encoder Representations from Transformers (BERT), yang dilatih untuk mengklasifikasikan masing-masing metrik CVSS. Sistem ini dapat meningkatkan kecepatan, akurasi, dan konsistensi proses penilaian, serta mendukung pengambilan keputusan yang lebih objektif dalam manajemen kerentanan siber.
Kata kunci: Klasifikasi, Common Vulnerability Scoring System, Natural Language Processing, Bidirectional Encoder Representations for Transformers