Mengetahui Respons Masyarakat Indonesia Terhadap Bencana Alam Melalui Media Sosial Twitter Menggunakan Pemodelan Topik dan Analisis Sentimen

Ismawandani, Bayu Setia (2024) Mengetahui Respons Masyarakat Indonesia Terhadap Bencana Alam Melalui Media Sosial Twitter Menggunakan Pemodelan Topik dan Analisis Sentimen. Other thesis, Institut Teknologi Sepuluh Nopember.

Text Proyek Akhir Bayu - submit.pdf - Accepted Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Indonesia, dengan kondisi geologis dan geografisnya, merupakan negara yang rentan terhadap bencana alam seperti gempa bumi, gunung meletus, banjir, dan tanah longsor. Dampak dari bencana-bencana ini sangat beragam dan memengaruhi masyarakat dengan cara yang berbeda. Masyarakat seringkali menggunakan media sosial, terutama Twitter, untuk berdiskusi dan merespons kejadian bencana, sehingga muncul topik-topik pembahasan yang mencerminkan persepsi dan reaksi mereka. Oleh karena itu, penelitian ini menginvestigasi reaksi masyarakat yang dapat berupa kerentanan dan ketangguhan masyarakat terhadap bencana menggunakan data dari hasil scraping Twitter berupa tweet berbahasa Indonesia dengan kata kunci pencarian “bencana”. Data tersebut akan dilakukan analisis topic modelling dengan Latent Dirichlet Allocation (LDA) kemudian dilakukan analisis sentimen. Metode tersebut akan mengungkap topik tersembunyi dari seluruh tweet yang akan berlabel dengan keterangan yang sesuai. Analisis sentimen akan mengkategorikan topik-topik yang dihasilkan pada analisis pemodelan topik ke dalam kategori netral, negatif, atau positif. Penelitian ini menghasilkan 15 topik optimum mengenai pembahasan masyarakat di Twitter terkait bencana alam, yang mencakup berbagai aspek seperti penyebab bencana, harapan masyarakat, distribusi bantuan, penggunaan media sosial, upaya penanggulangan, hingga kekhawatiran terhadap lingkungan. Analisis sentimen menunjukkan bahwa lebih dari setengah topik memiliki sentimen positif, sementara dua topik menunjukkan sentimen negatif. Hasil ini menegaskan bahwa Twitter dapat menjadi sumber informasi penting untuk mengetahui reaksi dan persepsi masyarakat terhadap bencana alam. Penelitian ini menggarisbawahi pentingnya pendekatan membangun partisipasi dalam penanggulangan bencana dan perlunya langkah-langkah proaktif dalam memulihkan lingkungan pasca bencana. Dengan memperkuat edukasi dan kolaborasi yang kuat, diharapkan masyarakat dapat membangun kesadaran dan ketangguhan dalam menghadapi bencana alam di masa depan.
===================================================================================================================================
Indonesia, with its geological and geographical conditions, is a country prone to natural disasters such as earthquakes, volcanic eruptions, floods, and landslides. The impacts of these disasters are diverse and affect communities in various ways. Communities often use social media, especially Twitter, to discuss and respond to disaster events, leading to the emergence of topics that reflect their perceptions and reactions. Therefore, this research investigates societal reactions, which can include vulnerability and resilience, towards disasters using data obtained by scraping Indonesian language tweets with the keyword "bencana" (disaster) from Twitter. This data undergoes topic modeling analysis using Latent Dirichlet Allocation (LDA) followed by sentiment analysis. These methods uncover hidden topics from the entire tweets, which are labeled accordingly. Sentiment analysis categorizes the topics generated from the topic modeling analysis into neutral, negative, or positive categories. This research identifies 15 optimal topics concerning community discussions on natural disasters on Twitter, covering various aspects such as the causes of disasters, public expectations, distribution of aid, social media usage, disaster mitigation efforts, and concerns for the environment. Sentiment analysis indicates that more than half of the topics have a positive sentiment, while two topics exhibit negative sentiments. These findings emphasize that Twitter can serve as a crucial information source to understand societal reactions and perceptions toward natural disasters. The research underscores the importance of a participatory approach in disaster management and the necessity for proactive steps in restoring the environment post-disaster. By reinforcing education and fostering strong collaborations, it is hoped that communities can build awareness and resilience in facing future natural disasters.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Bencana Alam, Latent Dirichlet Allocation, Topic Modelling, Twitter Latent Dirichlet Allocation, Natural Disaster; Sentiment Analysis, Temporal Analysis, Topic Modelling, Twitter
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA401 Mathematical models. Q Science > QA Mathematics > QA76 Computer software Q Science > QA Mathematics > QA76.6 Computer programming. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) Q Science > QA Mathematics > QA76.9.I52 Information visualization Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Bayu Setia Ismawandani
Date Deposited:	05 Feb 2024 00:55
Last Modified:	05 Feb 2024 00:55
URI:	http://repository.its.ac.id/id/eprint/105988

Actions (login required)

View Item