KLASIFIKASI SITUASI BENCANA ALAM BANJIR BERDASARKAN DATA TWITTER

Ramses Caniago, - and Muhammad Habibi, - and Andika Bayu Saputra, - (2021) KLASIFIKASI SITUASI BENCANA ALAM BANJIR BERDASARKAN DATA TWITTER. Masters thesis, Universitas Jenderal Achmad Yani Yogyakarta.

[img] Text (JUDUL)
Judul_201702752110923_Ramses Caniago_Informatika.pdf

Download (466kB)
[img] Text (ABSTRAK)
Abstrak_201702752110923_Ramses Caniago_Informatika.pdf

Download (11kB)
[img] Text (BAB I)
Bab 1_201702752110923_Ramses Caniago_Informatika.pdf

Download (12kB)
[img] Text (BAB II)
Bab 2_201702752110923_Ramses Caniago_Informatika.pdf
Restricted to Repository staff only

Download (341kB)
[img] Text (BAB III)
Bab 3_201702752110923_Ramses Caniago_Informatika.pdf

Download (583kB)
[img] Text (BAB IV)
Bab 4_201702752110923_Ramses Caniago_Informatika.pdf

Download (320kB)
[img] Text (BAB V)
Bab 5_201702752110923_Ramses Caniago_Informatika.pdf

Download (9kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka_201702752110923_Ramses Caniago_Informatika.pdf

Download (129kB)
[img] Text (LAMPIRAN)
Lampiran_201702752110923_Ramses Caniago_Informatika.pdf

Download (2MB)
Official URL: htttp://www.library.unjaya.ac.id

Abstract

Setiap harinya tweet masyarakat mengenai banjir pada Twitter bertambah banyak dan dapat mencapai ribuan hanya dalam beberapa hari saja. Tweet yang berjumlah banyak tersebut kemudian dapat digunakan sebagai data analisis untuk mengetahui situasi banjir di Indonesia. Data tweet diolah menggunakan metode Support Vector Machine (SVM) yang merupakan salah satu metode dari data mining. Tujuan dari penelitian ini adalah membuat suatu model dengan menggunakan metode SVM untuk melakukan klasifikasi situasi bencana alam banjir berdasarkan data Twitter. Terdapat beberapa tahapan yang dilakukan dalam penelitian ini. Tahapan pertama adalah pengumpulan data dari Twitter. Data yang terkumpul kemudian diberikan sebuah label. Pelabelan manual membagi data kedalam tiga jenis situasi yaitu ringan, sedang, dan berat. Tahapan selanjutnya data di preprocessing untuk menghilangkan noise. Data yang telah bersih kemudian dibagi menjadi data training dan data testing menggunakan K-fold cross validation. Data kemudian diberikan pembobotan dengan TF-IDF dan dilakukan proses training untuk menghasilkan sebuah model. Tahapan terakhir adalah testing untuk mengecek tingkat akurasi dan F1-score. Pengecekan dilakukan dengan confusion matrix. Penelitian ini berhasil menerapkan metode SVM. Dihasilkan akurasi sebesar 90,61% dan nilai dari F1-score sebesar 90,64%. Hasil persentase klasifikasi tweet masyarakat terkait data banjir pada Twitter menunjukkan bahwa dari 10000 data tweet, sebanyak 67,40% tweet masuk kedalam klasifikasi ringan, 19,79% tweet masuk kedalam klasifikasi sedang, 12,81% tweet masuk kedalam klasifikasi berat.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Banjir, data mining, klasifikasi, SVM, Twitter
Subjects: Informatika dan Ilmu Komputer > IC Perangkat lunak komputer
Divisions: Fakultas Teknik dan Teknologi Informasi > Prodi Informatika
Depositing User: Erna Fitri Widayati
Date Deposited: 24 May 2022 03:37
Last Modified: 24 May 2022 03:37
URI: http://repository.unjaya.ac.id/id/eprint/4635

Actions (login required)

View Item View Item