Analisis Sentimen Media Sosial Terhadap Banjir di Pulau Sumatera Menggunakan Alogaritma Random Forest dan Regresi Linear

Valendya Rilansari; Vinkan Mey Rizka Putri Wahyudin; Caroline Paskah Andria; Maria Angelina Siagian

doi:10.36456/c1pqag98

Authors

Valendya Rilansari Perencanaan Wilayah dan Kota, Institut Teknologi Sumatera, Lampung, Indonesia
Vinkan Mey Rizka Putri Wahyudin Perencanaan Wilayah dan Kota, Institut Teknologi Sumatera, Lampung, Indonesia
Caroline Paskah Andria Perencanaan Wilayah dan Kota, Institut Teknologi Sumatera, Lampung, Indonesia
Maria Angelina Siagian Perencanaan Wilayah dan Kota, Institut Teknologi Sumatera, Lampung, Indonesia

DOI:

https://doi.org/10.36456/c1pqag98

Keywords:

Banjir, analisis sentimen, NLP, machine learning, analisis spasial

Abstract

Penelitian ini menganalisis persepsi publik terhadap banjir di Pulau Sumatera menggunakan data media sosial sebagai sumber informasi real-time. Pendekatan yang digunakan mengintegrasikan Natural Language Processing (NLP), machine learning, dan analisis spasial. Data kicauan diproses melalui tahap preprocessing, pembobotan TF-IDF, dan klasifikasi sentimen dengan algoritma Random Forest. Selanjutnya, regresi linear digunakan untuk memprediksi tingkat keparahan banjir berdasarkan sentimen negatif. Hasil menunjukkan dominasi sentimen negatif yang berkorelasi dengan tingginya dampak wilayah, terutama di Kota Padang dan Aceh Tamiang. Penelitian ini membuktikan bahwa data media sosial efektif sebagai dasar pengambilan keputusan penanggulangan bencana berbasis data.

References

Breiman, L. E. O. (2001). Random Forests. 5–32.

Houston, J. B., Hawthorne, J., Perreault, M. F., Park, E. H., Hode, M. G., Halliwell, M. R., Mcgowen, S. E. T., Davis, R., Vaid, S., Mcelderry, J. A., & Griffith, S. A. (2014). Social media and disasters : a functional framework for social media use in disaster planning , response , and research.

Imran, M., Castillo, C., Diaz, F., & Vieweg, S. (2012). A Processing Social Media Messages in Mass Emergency: A Survey.

Kowsari, K., Meimandi, K. J., Heidarysafa, M., & Mendu, S. (2019). Text Classification Algorithms : A Survey. 1–68. https://doi.org/10.3390/info10040150

Lattab, A. (2015). Artificial Intelligence for Digital Response. 2016–2017.

Middleton, S. E., & Middleton, L. (2013). Real - time Crisis Mapping of Natural Disasters using Social Media.

Mutmainah, S., & Citra, E. E. (2025). Improving the Accuracy of Social Media Sentiment Classification with the Combination of TF-IDF Method and Random Forest Algorithm Peningkatan Akurasi Klasifikasi Sentimen Media Sosial dengan Kombinasi Metode TF-IDF dan Algoritma Random Forest. 1(1), 30–40.

Nisa, R., Amriza, S., Nisa, K., & Ngafidin, M. (2021). ANALISIS PENGARUH PLATFORM SOSIAL MEDIA TERHADAP PENYEBARAN INFORMASI BENCANA. 8(2), 82–87.

Raisio, H., Puustinen, A., & Lindell, J. (2022). Qualitative Sentiment Analysis of Social Media Reactions to Disaster Volunteering during a Forest Fire in Finland.

Vieweg, S., Hughes, A. L., Starbird, K., & Palen, L. (2010). Microblogging During Two Natural Hazards Events : What Twitter May Contribute to Situational Awareness. 1079–1088.

Wasis, B. (2025). DAMPAK KERUSAKAN TANAH DAN HUTAN TERHADAP EROSI, LONGSOR DAN BANJIR DI TAPANULI TENGAH, PROVINSI SUMATERA UTARA.