Publisher

Tel-UTel-U

Journal International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT) Abstract

Twitter berfungsi sebagai platform penting untuk mengekspresikan sentimen publik selama bencana alam, tetapi memahami dan mengatasi sentimen ini tetap menjadi tantangan karena volume data, ketidakseimbangan, dan disparitas regional dalam respons. Penelitian ini bertujuan untuk menjembatani kesenjangan ini dengan melakukan analisis sentimen geospasial pada 988 tweet yang diberi label terkait dengan letusan Gunung Marapi, dikategorikan menjadi empat aspek yaitu Kebutuhan Dasar, Dampak dan Kerusakan, Respons dan Tindakan, serta Cuaca dan Alam. Tahap pra-pemrosesan mencakup pembersihan data, case folding, tokenisasi, normalisasi, penghapusan kata penghubung, dan stemming. Ekstraksi fitur menggunakan TF-IDF, sedangkan ketidakseimbangan kelas ditangani dengan SMOTE. Setiap aspek dimodelkan secara terpisah menggunakan Support Vector Machine (SVM) dengan kernel linear, polinomial, dan RBF, dievaluasi melalui validasi silang 10 lipatan. Hasil menunjukkan bahwa kernel linear memberikan kinerja terbaik di sebagian besar aspek, mencapai akurasi 92,42% untuk Dampak dan Kerusakan, 80,38% untuk Respons dan Tindakan, dan 94,22% untuk Cuaca dan Alam. Sementara itu, kernel RBF menunjukkan kinerja yang kompetitif dengan akurasi 89,54% untuk Kebutuhan Dasar. Visualisasi geospasial menonjolkan pola distribusi sentimen regional, menawarkan wawasan tentang respons publik di berbagai wilayah Indonesia. Penelitian ini berkontribusi pada perbaikan strategi tanggap bencana dengan memberikan wawasan tentang sentimen publik, memungkinkan otoritas untuk mengalokasikan sumber daya dengan lebih baik dan mengatasi kekhawatiran masyarakat secara efektif.

Conclusion

Penelitian ini berhasil menerapkan analisis sentimen dan visualisasi geospasial untuk memahami respons publik selama letusan Gunung Marapi, dengan fokus pada empat aspek yaitu Kebutuhan Dasar, Dampak dan Kerusakan, Respons dan Tindakan, serta Cuaca dan Alam.Dengan menggunakan algoritma Support Vector Machine (SVM) dengan kernel linear, polinomial, dan RBF, kernel linear menunjukkan keunggulan konsisten di seluruh aspek karena ketahanannya dalam menangkap pola yang jelas.Integrasi teknik pra-pemrosesan, seperti TF-IDF untuk ekstraksi fitur dan SMOTE untuk keseimbangan kelas, memastikan keandalan hasil.Pemetaan geospasial mengungkapkan pola sentimen yang berbeda antara wilayah yang terdampak langsung dan tidak langsung, memberikan wawasan berharga untuk prioritas intervensi dalam manajemen bencana.Penelitian ini maju dari metodologi yang ada dengan menggabungkan analisis sentimen berbasis SVM dengan wawasan geospasial, mengisi kesenjangan kritis dalam memahami disparitas regional dalam sentimen publik selama bencana.

Future Research

Berdasarkan temuan penelitian ini, saran penelitian lanjutan dapat difokuskan pada beberapa arah. Pertama, perlu dilakukan analisis lebih mendalam tentang bagaimana sentimen geospasial dapat digunakan untuk memprediksi kebutuhan dan respons masyarakat terhadap bencana alam. Kedua, penelitian dapat mengeksplorasi metode untuk meningkatkan akurasi model SVM dengan mengintegrasikan teknik pengolahan bahasa alami yang lebih canggih. Ketiga, studi lanjutan dapat menyelidiki bagaimana sentimen geospasial dapat digunakan untuk mengidentifikasi daerah yang membutuhkan intervensi prioritas dalam manajemen bencana, dengan mempertimbangkan faktor-faktor seperti jarak dari lokasi bencana dan karakteristik demografis wilayah. Dengan menggabungkan analisis sentimen dan geospasial, penelitian ini dapat memberikan kontribusi yang signifikan dalam perbaikan strategi tanggap bencana dan perencanaan mitigasi.

References

1. Geospatial Sentiment Analysis Using Twitter Data on Natural Disasters in Indonesia with Support Vector... socjs.telkomuniversity.ac.id/ojs/index.php/ijoict/article/view/1032Geospatial Sentiment Analysis Using Twitter Data on Natural Disasters in Indonesia with Support Vector socjs telkomuniversity ac ojs index php ijoict article view 1032

Metadata

File size	708.44 KB
Pages	17
DMCA	Report