Abstract:
Musibah bencana alam banjir merupakan salah satu musibah alam yang sangat umum kejadian di
Indonesia baik di pulau Jawa ataupun di luar Pulau Jawa. Sumber informasi dari media social Twitter dapat
digunakan sebagai Social Network Sensor (SNS) untuk bencana banjir. Penelitian ini bertujuan untuk
melakukan klasifikasi pesan twitter khususnya tentang bencana banjir sebagai hasil dari algoritma
machine learning. Pada klasifikasi pesan bencana banjir dilakukan serangkaian proses data preprocessing
dan dilanjutkan dengan ekstraksi fitur dan pembobotan kata dari data twitter. Berbagai teknik yang
dilakukan pada proses data preprocessing berpengaruh terhadap tingkat akurasi hasil klasifikasi yang
dihasilkan. Selanjutnya, penelitian ini menyampaikan bahwa algoritma Support Vector Machine (SVM)
adalah sebuah algoritma dapat dimanfaatkan untuk klasifikasi data ke dalam tiga (3) kelas kelas saksi
mata, kelas non saksi mata dan kelas tidak diketahui. Total jumlah data yang telah diolah sebanyak 3000
data untuk 3 kelas label data. Pendekatan metode One Versus One (OVO) untuk dua kelas label data dan
One Versus All (OVA) untuk lebih dari dua kelas label pada algoritma SVM. Pada penelitian ini telah
diterapkan algoritma Support Vector Machine untuk multiclass dengan metode OVA. Hasil eksperimen
telah menunjukkan pendekatan OVA pada algoritma SVM dengan kernel RBF menghasilkan evaluasi
performansi yang paling tinggi. Hasil evaluasi tersebut adalah nilai akurasi hingga 87.03%. Sedangkan hasil
riset sebelumnya dengan algoritma SVM tetapi pendekatan yang berbeda hanya mencapai nilai akurasi
hingga 77.87%.
Kata kunci: klasifikasi, twitter, bencana banjir, multiclass, support vector machine
