Ekstraksi Informasi Bencana Banjir Dari Berita Online Berbasis Named Enitity Recognition
MULTINETICS · 2025
DOI: 10.32722/multinetics.v11i1.7499 ↗Kurz gefasst
Fachartikel in der Zeitschrift MULTINETICS, 2025. Verfasst von Ichwanul Muslim Karo Karo und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Banjir merupakan bencana yang paling sering terjadi di Indonesia, sehingga informasi cepat dan akurat tentang lokasi terdampak menjadi sangat penting. Penelitian ini bertujuan untuk mengembangkan model Named Entity Recognition (NER) berbasis Conditional Random Field (CRF) guna mengekstrak entitas penting dari berita online terkait banjir. Data diambil dari 200 artikel berita tahun 2023 melalui metode web scraping dan manual dari lima portal berita nasional. Proses preprocessing mencakup pembersihan teks, tokenisasi, stemming, stopword removal, dan POS tagging. Data kemudian dilabeli menggunakan metode chunking dan IOB tagging untuk meningkatkan akurasi identifikasi entitas. Evaluasi menunjukkan bahwa penggunaan IOB tagging pada CRF meningkatkan kinerja model, dengan F1-score tinggi untuk entitas kota dan waktu kejadian. Hasil penelitian ini menunjukkan bahwa CRF efektif dalam mengekstrak informasi bencana banjir, dan dapat mendukung pengambilan keputusan cepat dalam upaya penanggulangan bencana
Zitieren
APA
Karo, I. M. K., Dewi, S., & Syahrin, A. (2025). Ekstraksi Informasi Bencana Banjir Dari Berita Online Berbasis Named Enitity Recognition. MULTINETICS. https://doi.org/10.32722/multinetics.v11i1.7499
Vancouver
Karo IMK, Dewi S, Syahrin A. Ekstraksi Informasi Bencana Banjir Dari Berita Online Berbasis Named Enitity Recognition. MULTINETICS. 2025. doi:10.32722/multinetics.v11i1.7499
BibTeX
@article{Karo2025,
author = {Karo, Ichwanul Muslim Karo and Dewi, Sri and Syahrin, Alvin},
title = {Ekstraksi Informasi Bencana Banjir Dari Berita Online Berbasis Named Enitity Recognition},
journal = {MULTINETICS},
year = {2025},
doi = {10.32722/multinetics.v11i1.7499}
}
EUVIMED