Fransiscus, . (2018) ANALISIS SENTIMEN DISTRIBUSI LOGISTIK BENCANA GUNUNG MERAPI DENGAN METODE MAXIMUM ENTROPY BERDASARKAN DATA TWITTER. S1 thesis, UAJY.

Text (Halaman Judul)
TF077180.pdf

File Pdf (577kB)
Text (BAB I)
TF077181.pdf

File Pdf (160kB)
Text (BAB II)
TF077182.pdf

File Pdf (281kB)
Text (BAB III)
TF077183.pdf
Restricted to Registered users only

File Pdf (401kB)
Text (BAB IV)
TF077184.pdf
Restricted to Registered users only

File Pdf (3MB)
Text (BAB V)
TF077185.pdf

File Pdf (1MB)

Abstract

Bencana merupakan peristiwa yang sangat merugikan bagi
masyarakat baik dari segi kerugian secara ekonomi maupun
secara psikologi. Pada saat terjadi bencana, logistik
merupakan hal yang sangat penting untuk kehidupan pengungsi.
Untuk mengetahui informasi mengenai logistik bencana yang
sudah terdistribusi maupun belum terdistribusi diperlukan
informasi yang mendukung seperti opini dan aduan masyarakat.
Dalam penelitian ini penulis akan melakukan analisis
dengan mengetahui sentimen mengenai bencana yang terjadi
melalui analisis data pada Twitter mengenai distribusi
logistik bencana gunung Merapi. Salah satu metode pada
analisis sentimen adalah Maximum Entropy. Klasifikasi
berfokus pada sentimen positif yaitu bencana yang sudah di
tanggulangi dan sentimen negatif yaitu bencana yang belum
ditanggulangi.
Hasil evaluasi menunjukkan metode Maximum Entropy
mampu mengklasifikasi data logistik dengan nilai akurasi
88,02% (k-20 cross validation). Nilai akurasi ini lebih
unggul dibandingkan metode Regression Tree dan Support
Vector Machine (SVM), Sementara proses yang mendukung
klasifikasi adalah preprocessing data. Sementara hasil
interpretasi distribusi logistik bencana Merapi menunjukan
sebagian besar logistik belum terdistribusi dengan baik.

Item Type: Thesis (S1)
Uncontrolled Keywords: Bencana, Maximum Entropy, logistik
Subjects: Teknik Informatika > Mobile Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Date Deposited: 02 Aug 2018 10:23
Last Modified: 14 Nov 2022 02:44
URI: https://repository.uajy.ac.id/id/eprint/15344

Actions (login required)

View Item
View Item