<![CDATA[Potensi gempa megathrust di selatan Jawa memunculkan beragam respons masyarakat di media sosial, namun penelitian sebelumnya umumnya berhenti pada klasifikasi sentimen tanpa mengaitkannya dengan aspek kesiapsiagaan bencana. Penelitian ini bertujuan mengidentifikasi topik diskusi publik, mengklasifikasikan sentimen masyarakat, serta mengintegrasikan keduanya untuk menginterpretasikan persepsi kesiapsiagaan masyarakat. Data berupa 5.235 komentar pada unggahan Instagram resmi BMKG tanggal 14 Agustus 2024. Tahapan analisis meliputi praproses, pemodelan topik dengan Latent Dirichlet Allocation (LDA), klasifikasi sentimen dengan Support Vector Machine (SVM), serta pascaproses dengan Word2Vec dan cosine similarity untuk mengaitkan topik dengan indikator kesiapsiagaan LIPI–UNESCO/ISDR. Model SVM mencapai akurasi tertinggi 0,87 pada pembagian data latih dan uji 90:10. Topik 0 memiliki kedekatan semantik tertinggi dengan indikator Sistem Peringatan Bencana (cosine similarity 0,9238), sedangkan Topik 1 dengan indikator Pengetahuan dan Sikap Risiko (0,9111). Hasil tersebut menunjukkan bahwa integrasi LDA dan SVM yang didukung Word2Vec dan cosine similarity dapat digunakan untuk memetakan persepsi kesiapsiagaan masyarakat melalui keterkaitan antara sentimen, topik pembahasan, dan indikator kesiapsiagaan, sehingga dapat menjadi masukan bagi perbaikan komunikasi risiko kebencanaan.]]>
Copyrights © 2026
