Pemanfaatan Algoritma Text Mining dalam Menemukan Pola Risiko Bencana sebagai Pengetahuan Kebencanaan dari Dokumen Kajian Risiko Bencana (KRB)

Authors

  • Samso Supriyatna Universitas Pamulang, Tangerang Selatan, Banten, Indonesia
  • Endin Fahrudin Universitas Pamulang, Tangerang Selatan, Banten, Indonesia

DOI:

https://doi.org/10.55903/jitu.v2i1.164

Keywords:

Text Mining, Term, Machine Learning, Clustering, Bencana

Abstract

Seluruh wilayah di Indonesia mempunyai potensi bencana dan memerlukan perencanaan dan struktur penanggulangan bencana yang matang agar respons terhadap bencana dapat terfokus dan terpadu. Penanggulangan yang tidak didasarkan pada langkah-langkah yang benar dapat mengakibatkan tumpang tindih dan kurang terprosesnya langkah-langkah penting. Berdasarkan permasalahan tersebut, diperlukan upaya untuk menganalisis dokumen kebencanaan diantaranya kajian risiko bencana. Kajian Risiko Bencana (KRB) sendiri merupakan dokumen yang dirancang untuk menilai kemungkinan dan besarnya kerusakan akibat ancaman yang ada. Dengan memahami informasi mengenai kemungkinan dan tingkat keparahan ataupun kerugian, fokus perencanaan dan integrasi penanggulangan bencana pada dokumen KRB menjadi lebih efektif. Dalam menganalisis dokumen KRB agar mendapat informasi berupa ringkasan yang akurat dan cepat untuk tujuan mengatasi kejadian bencana di masa depan dan sebagai proses pengambilan sebuah keputusan saat bencana terjadi maka perlu dilakukan secara otomatis dan sistematis menggunakan algoritma text mining seperti term frekuensi-invers dokumen frekuensi (TF-IDF) dan machine learning. Text mining sendiri merupakan proses penggalian informasi dari kumpulan dokumen dengan menggunakan alat analisis, diantaranya klasifikasi data, clustering,  information extraction, dan information retrival. Penelitian ini fokus untuk menemukan pola risiko bencana dari data penilaian risiko menggunakan algoritma text mining. Hasil penelitian menunjukkan bahwa penerapan algoritma text mining dapat mengidentifikasi pola risiko bencana dengan cukup baik. Berbagai pola risiko, termasuk pemicu, dampak, dan hubungan antar variabel diidentifikasi dan dianalisis. Temuan-temuan ini memberikan pengetahuan baru dalam memahami risiko bencana yang dapat digunakan oleh para peneliti, praktisi, dan pembuat kebijakan untuk mengembangkan strategi pengurangan bencana yang lebih efektif dan responsif. Hasil penelitian ini juga diharapkan dapat menjadi dasar bagi pengembangan lebih lanjut pemahaman dan respons terhadap risiko bencana yang lebih efektif dan efisien serta menjadi dasar bagi pengembangan tindakan kesiapsiagaan praktis, seperti rencana dan rute evakuasi, dan pengambilan keputusan.

References

Ashar Hakim, E., Usman, F., Subagiyo Jurusan Perencanaan Wilayah dan Kota, A., n.d. KAJIAN RISIKO BENCANA TSUNAMI DI PANTAI BARAT KABUPATEN PANDEGLANG, PROVINSI BANTEN. Malang.

Fauzi, A., 2022. Bulletin of Data Science Penerapan Algoritma Text Mining dan Lexrank dalam Meringkas Teks Secara Otomatis. Media Online) 1, 65–72.

Khaire, U.M., Dhanalakshmi, R., 2022. Stability of feature selection algorithm: A review. Journal of King Saud University - Computer and Information Sciences. https://doi.org/10.1016/j.jksuci.2019.06.012

Meisya Permata Aulia, T., Jamaludin, A., Nur Padilah, T., Singaperbangsa Karawang Jl HSRonggo Waluyo, U., Karawang, K., 2021. Extractive Text Summerization Pada Berita Berbahasa Indonesia Menggunakan Algoritma Support Vector Machine, Jurnal Sains Komputer & Informatika (J-SAKTI.

Pertiwi, L., 2022. Penerapan Algoritma Text Mining, Steaming Dan Texrank Dalam Peringkasan Bahasa Inggris, Media Online).

Widaningrum, I., Mustikasari, D., Arifin, R., Tsaqila, S.L., Fatmawati, D., n.d. Algoritma Term Frequency-Inverse Document Frequency (TF-IDF) dan K-Means Clustering Untuk Menentukan Kategori Dokumen.

Downloads

Published

2024-05-07

How to Cite

Supriyatna, S., & Fahrudin, E. (2024). Pemanfaatan Algoritma Text Mining dalam Menemukan Pola Risiko Bencana sebagai Pengetahuan Kebencanaan dari Dokumen Kajian Risiko Bencana (KRB). Jurnal Informatika Utama, 2(1), 35–42. https://doi.org/10.55903/jitu.v2i1.164