Klasifikasi tingkat keparahan banjir dengan pendekatan support vector machine di Jawa Timur

Berdasarkan laporan Badan Nasional Penanggulangan Bencana (BNBP) tahun 2022, wilayah Jawa Timur termasuk salah satu wilayah yang rawan akan bencana banjir sebanyak 92 kali dengan kategori tingkat keparahan yang dimulai dari rendah, sedang, dan tinggi. Telah banyak upaya pemerintah dalam penyebaran informasi banjir melalui media sosial seperti Twitter. Pemanfaatan data Twitter dalam bidang text classification dengan menggunakan Support Vector Machine (SVM) sudah banyak dilakukan untuk mengekstraksi dan mengklasifikasikan informasi penting, khususnya dalam domain kebencanaan. Penelitian ini bertujuan untuk membantu masyarakat dan pemerintah dalam memberikan informasi tingkat keparahan banjir di Jawa Timur dengan pendekatan SVM. Metode extraction feature yang digunakan adalah tfidfvectorizer dengan pembagian dataset 80% training dan 20% testing. Pembuatan model SVM dengan menggunakan multiclass OVR, kernel RBF, kemudian divalidasi dengan 5 fold cross validation. Model tersebut menghasilkan performa yang sangat baik dengan nilai Accuracy 89%, F1-Score 83%, AUC class rendah 0.998, AUC class sedang 0.993, AUC class tinggi 0.983, dan Logloss 0.1160. Berdasarkan hasil tersebut dapat disimpulkan, bahwa model yang dibuat memiliki kemampuan yang sangat baik dalam mengklasifikasikan tingkat keparahan banjir.