Named entity recognition menggunakan metode Conditional Random Fields untuk deteksi peristiwa banjir di Gerbang Kertosusila berdasarkan data twitter

Setiap musim hujan sejumlah wilayah di Indonesia dihimbau untuk waspada terjadinya banjir seperti kawasan strategis nasional Gerbang Kertosusila, Salah satu upaya yang ada adalah meletakkan sensor banjir di beberapa titik rawan banjir. Namun terkendala perangkat yang sangat terbatas untuk menangani banyaknya wilayah yang membutuhkan. Sehingga diperlukan pengembangan teknologi tentang penyebaran informasi banjir. Penyebaran informasi banjir dengan cepat didapatkan dari media sosial Twitter. Salah satu caranya memanfaatkan sumber data teks Twitter untuk model deteksi berbasis Named Entity Recognition untuk membantu mendeteksi peristiwa banjir dan lokasinya. Agar tujuan tersebut bisa tercapai, dibuatlah model Named Entity Recognition (NER) dengan metode Conditional Random Fields (CRFs). Riset ini menambahkan penanganan handle slang word pada tahap preprosessing untuk memaksimalkan performa model, Sekaligus menggunakan format BIO pada proses labelling dan POS Tagging dalam proses Extraction Feature. Hasil evaluasi dengan skenario kfold = 5, 80% data training dan 20% data testing menunjukkan model NER CRFs memiliki performa yang sangat baik dengan nilai Precision 0.981, Recall 0.926 dan f-measure 0.950. Sehingga dengan hasil ini dapat membantu masyarakat dan pemerintahaan terkait informasi distribusi banjir.