IDENTIFIKASI KEBUTUHAN DASAR DI TEMPAT EVAKUASI SEMENTARA PASCA ERUPSI MERAPI DENGAN SENTIMENT ANALISIS DAN SUPPORT VECTOR MACHINE

Resky Rayvano Moningka, Djoko Budiyanto Setyohadi, Khaerunnisa Khaerunnisa, Pranowo Pranowo

Abstract


Abstract

Mount Merapi Eruption in 2010 was the biggest after 1872. The impact of this eruption was felt by people who lived around the areas which were affected by this Merapi Eruption. Thus, disaster management was done. One of the disaster management was the fulfillment of basic needs. This research aims to collect public opinion against the fulfillment of basic needs in the shelters after Merapi Eruption based on Twitter data. The algorithm which is used in this research is Support Vector Machine to develop classification model over the data that has been collected. The expected result from this study is to know the basic needs in a shelter. The accuracy gained by performing Cross Validation for 10 folds from Support Vector Machine is 87.96% and Maximum Entropy is 87.45%.

 

Keywords: twitter, sentiment analisis, merapi eruption, support vector machine

 

Abstrak

Erupsi Gunung Merapi 2010 merupakan yang terbesar setelah tahun 1872. Dampak dari Erupsi Gunung Merapi dirasakan oleh masyarakat yang tinggal di daerah terdampak Erupsi Merapi. Oleh sebab itu dilakukan penanggulangan Bencana. salah satu penanggulangan bencana adalah pemenuhan kebutuhan dasar. Penelitian ini bertujuan untuk mengumpulkan opini publik terhadap pemenuhan kebutuhan dasar di tempat pengungsian pasca erupsi merapi berdasarkan data Twitter. Algoritma yang digunakan dalam penelitian ini adalah Support Vector Machine untuk membangun model klasifikasi atas data yang sudah dikumpulkan.   Hasil yang diharapkan dari penelitian ini adalah mengetahui kebutuhan dasar dari suatu tempat pengungsian. Akurasi yang didapatkan dengan melakukan Cross Validation sebanyak 10 fold dari model klasifikasi Support Vector Machine87,96% dan Maximum Entropy 87,45

 

Kata Kunci: twitter, analisis sentimen, erupsi merapi, support vector machine


Keywords


twitter; sentiment analisis; merapi eruption; support vector machine

Full Text:

PDF

References


Anto, N.S., A. B.,&Handoko.(2003). Support Vector Machine -Teori dan Aplikasinya dalam Bioinformatika-. dari http://ilmukomputer.com.

Banados, J. A., & Espinosa, K. J. (2014). Optimizing support vector machine in classifying sentiments on product brands from Twitter. In Information, Intelligence, Systems and Applications, IISA 2014, The 5th International Conference on(pp. 75-80)

BNPB.(2017,November 17).Siaga Bencana. Diambil kembali dari Badan Nasional Penanggulangan Bencana:https://www.bnpb.go.id/home/definisi

BNPB 2010a. (2010). Peta rekapitulasi korban, pengungsi dan kerusakan akibat letusan gunung api Berapi. Badan Nasional Penanggulangan Bencana .

BNPB. (2013). Indeks Risiko Bencana Indonesia. Indonesia: Direktorat Pengurangan Risiko Bencana.

Buntoro, G. A. (2016). Analisis Sentimen Hatespeech pada Twitter dengan Metode Naive Bayes Classifier dan Support Vector Machine. Dinamika Informatika.

Buntoro, G. A. (2014). Sentiment Analysis Twitter dengan Kombinasi Lexicon Based dan Double Propagation. ECITEE 2014, 39-43.

Buntoro, G. A. (2016). Analisis Sentimen Hatespeech pada Twitter dengan Metode Naive Bayes Classifier dan Support Vector Machine. Dinamika Informatika.

Buntoro, G. A., Adji, T. B., & Purnamasari, A. E. (2014). Sentiment Analysis Twitter dengan Kombinasi Lexicon Based dan Double Propagation. CITEE 2014, 39-43.

Edi Winarko, N. D. (2014). Analisis Sentimen Twitter untuk Teks Bahasa Indonesia dengan Maximum Entropy dan Support Vector machine. IJCCS, 91-100.

Indrayuni, E. (2016). Analisa Sentmen Review Hotel Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization. EVOLUSI-Jurnak Sains dan Manajemen AMIKBSI Purwokerto, 4(2).

Karamizadeh, S., Abdullah, S.M., Halimi, M., Shayan, J., &Javad Rajabi, M. (2014). Advantage and Drawback of Support Vector Machine Functionality. In Computer, Communications, and Control Technology(I4CT), pp. 63-65.

KemKes. (2017,November 17).Bencana Alam Yang Terjadi Akibat Faktor Geologi. Diambil kembali dari Kementerian Kesehatan Republik Indonesia:http://penanggulangankrisis.kemkes.go.id/bencana-alam-yang-terjadi-akibat-faktor-geologi

Munawarah, R., Soesanto, O., &Faisal , M.R.(2016). Penerapan Metode Support Vector Machine pada Diagnosa Hepatitis. KLIK-KUMPULAN JURNAL ILMU KOMPUTER, 103-113.

Priyanti, A, & Ilham, N. (2011). Dampak erupsi gunung merapi terhadap kerugian ekonomi pada usaha peternakan. WARTAZOA. Buletin Ilmu Peternakan dan Kesehatan Hewan Indonesia, 21(4), 153-160.

Putranti, N. D., & Winarko, E (2014). Analisis Sentimen Twitter untuk Teks Bahasa Indonesia dengan Maximum Entropy dan Support Vector machine. IJCCS, 91-100.

Putranti, N. D. (2014). Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine. IJCCS(Indonesian Journal of Computing and Cybernetics System), 8.1:91-100.

Sabariah, M. K., & Effendy, V. (2015, May). Sentiment analysis on Twitter using the combination of lexicon-based and support vector machine for assessing the performance of a television program. In Information and Communication Technology (ICoICT), 2015 3rd International Conference on (pp. 386-390).




DOI: https://doi.org/10.31315/telematika.v15i1.3068

DOI (PDF): https://doi.org/10.31315/telematika.v15i1.3068.g2435

Refbacks

  • There are currently no refbacks.


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

Copyright of :
TELEMATIKA: Jurnal Informatika dan Teknologi Informasi
ISSN 1829-667X (print); ISSN 2460-9021 (online)


Dipublikasi oleh
Jurusan Teknik Informatika, UPN Veteran Yogyakarta
Jl. Babarsari 2 Yogyakarta 55281 (Kampus Unit II)
Telp: +62 274 485786
email: jurnaltelematika@upnyk.ac.id

 

Jurnal Telematika sudah diindeks oleh beberapa lembaga berikut:
 

 

Status Kunjungan Jurnal Telematika