SISTEM KLASIFIKASI INFORMASI BANJIR DI JAKARTA BERDASARKAN DATA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES

Abstrak

Penelitian ini membahas klasifikasi tweet terkait banjir di DKI Jakarta menggunakan metode Naïve Bayes Classifier. Banjir merupakan masalah bencana yang sering terjadi di DKI Jakarta akibat berbagai faktor seperti curah hujan tinggi, tata kelola air yang buruk, dan pembangunan di bantaran sungai. DKI Jakarta memiliki sejarah panjang masalah banjir yang tercatat sejak tahun 1500-an, dengan kejadian signifikan pada tahun-tahun seperti 1621, 1654, 1671, 1918, 1976, 2002, 2007, dan 2013. Penelitian ini menggunakan data tweet yang dikumpulkan dari Twitter pada bulan Mei 2024 dengan jumlah data sebanyak 538 tweet yang dibagi menjadi dua kategori: banjir dan nonbanjir. Metode text mining dan klasifikasi Naïve Bayes diterapkan untuk mengidentifikasi tweet terkait banjir. Media sosial, khususnya Twitter, dipilih karena sifatnya yang cepat dalam menyebarkan informasi dan kemampuannya untuk menjangkau berbagai lapisan masyarakat. Twitter memungkinkan pengguna untuk berbagi informasi tentang lokasi banjir, kedalaman air, tingkat keparahan, dan kebutuhan bantuan secara real-time. Pengujian dilakukan dengan membagi dataset menjadi data latih dan data uji dengan rasio 80:20. Dari total dataset yang dimiliki, terdapat 334 data kelompok banjir dan 136 data kelompok nonbanjir. Data latih terdiri dari 376 data, sementara data uji terdiri dari 94 data. Hasil pengujian menunjukkan bahwa model klasifikasi memiliki tingkat akurasi 78,72%, precision 80,52%, recall 92,54%, dan f1-score 86,15%. Penelitian ini diharapkan memberikan kontribusi dalam implementasi text mining untuk mitigasi bencana banjir serta memberikan pengetahuan dalam bidang klasifikasi teks bahasa Indonesia. Selain itu, hasil penelitian ini dapat menjadi acuan untuk pengembangan model prediksi yang lebih baik di masa depan, serta memberikan wawasan tentang penggunaan media sosial sebagai sumber informasi dalam penanggulangan bencana. Penelitian ini juga dapat menjadi referensi untuk penelitian lanjutan yang bertujuan meningkatkan akurasi dan efektivitas metode klasifikasi teks dalam konteks bencana banjir di wilayah perkotaan.