首页    期刊浏览 2024年11月09日 星期六
登录注册

文章基本信息

  • 标题:Deteksi Gempa Berdasarkan Data Twitter Menggunakan Decision Tree, Random Forest, dan SVM
  • 本地全文:下载
  • 作者:Rendra Dwi Lingga P. ; Chastine Fatichah ; Diana Purwitasari
  • 期刊名称:Jurnal Teknik ITS
  • 印刷版ISSN:2301-9271
  • 电子版ISSN:2337-3539
  • 出版年度:2017
  • 卷号:6
  • 期号:1
  • 页码:159-162
  • DOI:10.12962/j23373539.v6i1.22037
  • 语种:Spanish
  • 出版社:Lembaga Penelitian dan Pengabdian kepada Masyarakat
  • 摘要:Twitter merupakan salah satu media sosial yang cukup populer saat ini. Pengguna aktif Twitter mencapai kurang lebih 400 juta orang. Fitur utama yang paling penting dari Twitter yaitu layanan yang bersifat real-time dimana pengguna dapat menuliskan catatan singkat tentang apa yang terjadi secara langsung. Sebagai contoh, ketika terjadi bencana alam(gempa bumi) di suatu tempat, banyak pengguna aktif twitter menulis informasi berupa (tweet) tentang gempa bumi yang sedang berlangsung melalui Twitter. Hal ini memungkinkan dibuatnya sebuah metode yang mendeteksi terjadinya gempa atau tidak dengan melakukan observasi melalui tweet yang ada. Dalam tugas akhir ini dibuat sebuah metode klasifikasi untuk membedakan antara tweet yang mengandung informasi gempa  yang sesungguhnya (gempa positif) dan tweet yang mengandung informasi gempa namun memiliki arti lain (gempa negatif). Setelah dilakukan klasifikasi menggunakan Decision Tree, Random Forest dan Support Vector Machine (SVM). Hasil yang didapat memberikan nilai akurasi Support Vector Machine (SVM) secara keseluruhan lebih baik daripada Decision Tree dan Random Forest dengan persentase gempa yang dideteksi oleh sistem (Recall) didapatkan nilai 86.3%.dengan precision sebesar 88.7%. Namun jika dilihat dari terdeteksinya gempa oleh sistem tanpa dirata-rata, Random Forest memiliki persentase recall sebesar 96.7% lebih baik daripada Decision Tree dan Random Forest.
  • 关键词:twitter;deteksi kejadian;gempa
国家哲学社会科学文献中心版权所有