KLASIFIKASI BENCANA ALAM PADA TWITTER MENGGUNAKAN NAÏVE BAYES, SUPPORT VECTOR MACHINE DAN LOGISTIC REGRESSION

Kharisma Wiati Gusti(1*)

(1) Fakultas Ilmu Komputer - UPNVJ
(*) Corresponding Author

Sari


Penggunaan hashtag pada pelaporan bencana dapat membantu pihak yang berkepentingan seperti pemerintah atau lembaga penanggulangan bencana dalam menangani bencana. Akan tetapi pemberian hashtag oleh pengguna seringkali tidak sesuai dengan isi tweet. Sehingga perlu untuk dilakukan klasifikasi twitter ke dalam kategori darurat, non darurat, dan tidak relevan. Hal tersebut dilakukan untuk mempermudah lembaga terkait untuk melakukan koordinasi, pemantauan dan tanggap darurat dalam penanggulangan bencana. Penelitian ini melakukan perbandingan klasifikasi menggunakan metode Naïve Bayes, Support Vector Machine, dan Logistic Regression. Ekstraksi fitur menggunakan pembobotan term TF IDF. Guna mengatasi ketidakseimbangan kelas pada dataset dilakukan teknik untuk mensintesis sampel baru menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan klasifikasi menggunakan metode Logistic Regression memberikan hasil terbaik yaitu akurasi sebesar 92,4%.          

Keywords: Klasifikasi, Twitter, Bencana, Naïve Bayes, Support Vector Machine, Logistic Regression


Teks Lengkap:

PDF

Referensi


E. Nofiyanti dan E. M. Oki Nur Haryanto, “Analisis Sentimen terhadap Penanggulangan Bencana di Indonesia,” Jurnal Ilmiah SINUS, vol. 19, no. 2, hlm. 17, Jul 2021, doi: 10.30646/sinus.v19i2.563.

A. Layalia Safara Az-Zahra Gunawan dan K. Muslim Lhaksamana, “Analisis Sentimen pada Media Sosial Twitter terhadap Penanganan Bencana Banjir di Jawa Barat dengan Metode Jaringan Saraf Tiruan Sentiment Analysis On Twitter Social Media On Flood Disaster Management In West Java With Neural Network Method.”

A. M. Maksun, Y. A. Sari, dan B. Rahayudi, “Analisis Sentimen pada Twitter [1] E. Nofiyanti dan E. M. Oki Nur Haryanto, “Analisis Sentimen terhadap Penanggulangan Bencana di Indonesia,” Jurnal Ilmiah SINUS, vol. 19, no. 2, hlm. 17, Jul 2021, doi: 10.30646/sinus.v19i2.563.

A. Layalia Safara Az-Zahra Gunawan dan K. Muslim Lhaksamana, “Analisis Sentimen pada Media Sosial Twitter terhadap Penanganan Bencana Banjir di Jawa Barat dengan Metode Jaringan Saraf Tiruan Sentiment Analysis On Twitter Social Media On Flood Disaster Management In West Java With Neural Network Method.”

A. M. Maksun, Y. A. Sari, dan B. Rahayudi, “Analisis Sentimen pada Twitter Bencana Alam di Kalimantan Selatan menggunakan Metode Naïve Bayes,” 2021. [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id

E. Ananda Tasya, R. E. Saputra, dan C. Setianingsih, “SISTEM INFORMASI MONITORING BENCANA ALAM MENGGUNAKAN DATA MEDIA SOSIAL DENGAN ALGORITMA NAÏVE BAYES NATURAL DISASTER MONITORING INFORMATION SYSTEM FROM SOCIAL MEDIA DATA USING NAÏVE BAYES ALGORITHM.” [Daring]. Tersedia pada: https://t.co/GhZJxNUUmT

F. W. Budhi dan M. Y. G. Prasidana, “SISTEM PERINGATAN REAL-TIME BERBASIS TWITTER UNTUK BENCANA KEBAKARAN DI KOTA JAKARTA,” Jurnal Riset Jakarta, vol. 13, no. 2, Des 2020, doi: 10.37439/jurnaldrd.v13i2.41.

K. Wiati Gusti dan R. Mandala, The 2 nd International Conference on Informatics for Development 2018 Generating of Automatic Disaster Hashtag Based on OCHA Standard.

M. Kartika Delimayanti, R. Sari, M. Laya, M. Reza Faisal, dan dan Pahrul, “Edu Komputika Journal Pemanfaatan Metode Multiclass-SVM pada Model Klasifikasi Pesan Bencana Banjir di Twitter,” 2021. [Daring]. Tersedia pada: http://journal.unnes.ac.id/sju/index.php/edukom

F. N. Yudianto, “Klasifikasi Hashtag Buzzer/Bot Menggunakan Algoritma Random Forest dengan Atribut Komunitas untuk Mengurangi Disinformasi Pada Twitter.” [Daring]. Tersedia pada: www.trends24.in/indonesia/.




DOI: http://dx.doi.org/10.31602/tji.v14i4.11614

Refbacks

  • Saat ini tidak ada refbacks.


© 2019 Technologia   p-ISSN: 2086-6917    e-ISSN: 2656-8047

-------------------------------------------------------------------------------------------

This work is licensed under a Creative Commons Attribution 4.0 International License.