Klasifikasi tingkat keparahan banjir dengan pendekatan support vector machine di Jawa Timur

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Salsabila, Nur Diana Fahma (2023) Klasifikasi tingkat keparahan banjir dengan pendekatan support vector machine di Jawa Timur. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text Nur Diana Fahma Salsabila_H96219058 ok.pdf Download (5MB)

Abstract

Berdasarkan laporan Badan Nasional Penanggulangan Bencana (BNBP) tahun 2022, wilayah Jawa Timur termasuk salah satu wilayah yang rawan akan bencana banjir sebanyak 92 kali dengan kategori tingkat keparahan yang dimulai dari rendah, sedang, dan tinggi. Telah banyak upaya pemerintah dalam penyebaran informasi banjir melalui media sosial seperti Twitter. Pemanfaatan data Twitter dalam bidang text classification dengan menggunakan Support Vector Machine (SVM) sudah banyak dilakukan untuk mengekstraksi dan mengklasifikasikan informasi penting, khususnya dalam domain kebencanaan. Penelitian ini bertujuan untuk membantu masyarakat dan pemerintah dalam memberikan informasi tingkat keparahan banjir di Jawa Timur dengan pendekatan SVM. Metode extraction feature yang digunakan adalah tfidfvectorizer dengan pembagian dataset 80% training dan 20% testing. Pembuatan model SVM dengan menggunakan multiclass OVR, kernel RBF, kemudian divalidasi dengan 5 fold cross validation. Model tersebut menghasilkan performa yang sangat baik dengan nilai Accuracy 89%, F1-Score 83%, AUC class rendah 0.998, AUC class sedang 0.993, AUC class tinggi 0.983, dan Logloss 0.1160. Berdasarkan hasil tersebut dapat disimpulkan, bahwa model yang dibuat memiliki kemampuan yang sangat baik dalam mengklasifikasikan tingkat keparahan banjir.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Salsabila, Nur Diana Fahma nfahmasalsabila@gmail.com H96219058
Contributors:	Contribution Name Email NIDN Thesis advisor Rolliawati, Dwi dwi_roll@uinsby.ac.id 2027097901 Thesis advisor Khalid, Khalid khalid@uinsby.ac.id UNSPECIFIED
Subjects:	Teknologi > Teknologi Informasi
Keywords:	Natural language processing; tingkat keparahan banjir; support vector machine; multiclass OVR; ROC AUC; Logloss
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Nur Diana Fahma Salsabila
Date Deposited:	24 Jul 2023 03:01
Last Modified:	24 Jul 2023 03:01
URI:	http://digilib.uinsa.ac.id/id/eprint/63707

Available Versions of this Item

• Klasifikasi tingkat keparahan banjir dengan pendekatan support vector machine di Jawa Timur. (deposited 24 Jul 2023 03:01) [Currently Displayed]

Actions (login required)

View Item