Klasifikasi Tingkat Keparahan Pada Berita Bencana Dengan Menggunakan Naive Bayes Untuk Pembangunan Petakabar

Fakhriya, Syubban (2022) Klasifikasi Tingkat Keparahan Pada Berita Bencana Dengan Menggunakan Naive Bayes Untuk Pembangunan Petakabar. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000042-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Bencana merupakan istilah yang bersifat subjektif dimana istilah ini memiliki penggambaran terkait peristiwa tertentu yang dipandang merugikan manusia. Peristiwa seperti pergerakan tanah, gelombang pasang, rendaman air dan lain sebagainya disebut bencana ketika ada kerugian yang disebabkan terhadap kehidupan manusia secara masif. Secara global terjadi peningkata bencana alam, baik secara kuantitas maupun intensitas. Setiap tahunnya dilaporkan bahwa total kerusakan yang disebabkan oleh bencana alam berjumlah milyaran rupiah, dengan ribuan korban kematian dan terluka. Sehingga dibutuhkan manajemen bencana alam yang lebih efektif terutama di wilayah rentan dimana populasinya tinggi serta upaya tanggap darurat terbatas oleh sumber daya dan informasi situasional. Terkait hal tersebut maka antisipasi bencana adalah upaya untuk keminimalan dampak merugikan dari suatu peristiwa bencana. Dalam konteks ketersediaan instrumen standar, instrumen berupa peta kebencanaan merupakan instrumen substansial yang mutlak dipersiapkan. Dalam pembangunan petakabar, digunakan teks yang berasal dari situs berita konvensional terpercaya sebagai sumber informasi yang digunakan dalam pemetaan bencana alam. Teks berita didapatkan melalui proses scraping berdasarkan topik bencana alam, selanjutnya teks akan diolah lebih lanjut untuk mendapatkan informasi dimana (where), siapa (who), kapan (when), dan apa nama (what) bencana (4W) serta diambil jumlah kerusakan berdasarkan indikator tertentu atau text mining menggunakan gabungan query expansion, ner, dan pos tagging. Kemudian proses dilanjutkan untuk pendeteksian tingkat keparahan menggunakan klasifikasi Naive Bayes. Langkah terakhir melakukan ekspor data ke bentuk yang telah disepakati.
=================================================================================================================================
Disaster is a subjective term where this term has a description of certain events that are seen as detrimental to humans. Events such as land movements, tidal waves, water baths and so on are called disasters when there are massive losses caused to human life. Globally, there is an increase in natural disasters, both in quantity and intensity. Every year it is reported that the total damage caused by natural disasters amounts to billions of rupiah, with thousands of
deaths and injuries. So that more effective natural disaster management is needed, especially in vulnerable areas where the population is high and emergency response efforts are limited by resources and situational information. Related to this, disaster anticipation is an effort to minimize the adverse impact of a disaster event. In the context of the availability of standard instruments, instruments in the form of disaster maps are substantial instruments that are absolutely prepared. In the construction of the news, text derived from trusted conventional news sites is used as a source of information used in mapping natural disasters. The news text is obtained through a scraping process based on the topic of natural disasters, then the text will be further processed to obtain information on where (where), who (who), when (when), and what is the name (what) disaster (4W) and the amount of damage is taken based on certain indicators or text mining using a combination of query expansion, ner, and tagging posts. Then the process proceeds to detect the severity using the classification of naïve bayes. The last step is to export the data to the agreed form.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bencana Alam, Naive Bayes, Petakabar, Text Mining, Tingkat Keparahan, Disaster, Naive Bayes, News Map, Text Mining, Severity Level
Subjects:	T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	13 Oct 2025 06:25
Last Modified:	13 Oct 2025 06:25
URI:	http://repository.its.ac.id/id/eprint/128580

Actions (login required)

View Item