<![CDATA[Media sosial telah menjadi salah satu sumber utama dalam melaporkan peristiwa bencana alam, memungkinkan penyebaran informasi terkait bencana dengan cepat. Namun, informasi yang diunggah sering kali tidak terstruktur, dengan variasi dalam format dan konten, sehingga sulit untuk dianalisis dan dimanfaatkan secara efektif dalam situasi darurat. Permasalahan ini memerlukan solusi yang dapat mengolah informasi tersebut secara efisien. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi informasi bencana alam dari media sosial dengan memanfaatkan metode Abstract Meaning Representation (AMR) dan algoritma Random Forest. Metodologi yang diterapkan adalah Machine Learning Life Cycle (MLLC). Dataset yang digunakan terdiri dari 3.190 entri laporan bencana alam dari media sosial yang diproses dengan AMR untuk mengekstrak makna semantik dari teks. Algoritma Random Forest diterapkan untuk membangun model klasifikasi. Hasil evaluasi menggunakan Confusion Matrix menunjukkan model memiliki akurasi sebesar 86%, presisi 87%, recall 98%, dan F1-Score 92%. Berdasarkan hasil ini, model dapat membantu mempermudah klasifikasi informasi bencana alam, sehingga mendukung pengambilan keputusan secara cepat dan efektif dalam situasi darurat.]]>
Copyrights © 2025
