ANALISIS TEXT-MINING DENGAN METODE DENSITY-BASED CLUSTERING PADA PESAN MEDIA SOSIAL UNTUK PEMETAAN LOKASI KECELAKAAN
Posted by JMII e-Journal on 19.13
ANALISIS TEXT-MINING DENGAN METODE DENSITY-BASED CLUSTERING PADA PESAN MEDIA SOSIAL UNTUK PEMETAAN LOKASI KECELAKAAN
Nurjayanti
Fakultas Teknis, Jurusan Teknik Informatika
Universitas Widyatama
Jalan Cikutra No. 204A, Bandung, Indonesia
nurjayanti@widyatama.ac.id
Abstrak
Salah satu
fungsi media sosial adalah untuk berbagi pesan atau kabar berita dari satu
pengguna kepada pengguna media sosial lainnya. Adanya kesadaran atau perhatian
(awareness) masyarakat terhadap
kejadian nyata seperti kecelakaan menjadi pemicu bagi masyarakat untuk
menggunggah kabar berita tersebut ke media sosial. Pesan pada media sosial yang
diunggah seringkali menyebutkan lokasi kejadian tersebut.
Proses deteksi kejadian secara real-time lengkap dengan informasi geospatial merupakan dasar dalam membuat pemetaan lokasi kecelakaan
ini. Yang disebut kejadian pada penelitian ini adalah pesan media sosial yang
memiliki topik “kecelaakan alat transportasi”. Dengan menggunakan text-mining, pesan tersebut dapat
diproses untuk diperoleh infomasi geospatial
yang kemudian dapat divisualisasikan kedalam peta. Algoritma yang digunakan
pada text-mining dengan metode density-based clustering yaitu algoritma
DBSCAN (Density-Based Spatial Clustering
of Applications with Noise). Algoritma
DBSCAN menggunakan dua parameter yaitu radius masing-masing anggota cluster dengan inti cluster Eps (
)
dan MinPts (Minimal Points) yang
memberikan batasan jumlah minimum anggota cluster
dalam Eps. Ektraksi lokasi kemudian
dilakukan pada cluster yang
dihasilkan proses clustering.
Visualisasi peta dilakukan terhadap lokasi cluster
yang diekstrak menggunakan metode NER rule-based
dan parsing lokasi ke Google Maps
Geocoding API.
Kata kunci :
geospatial,
text-mining, density-based clustering, DBSCAN, NER rule-based
Abstract
Social media has a
function as messages or news feed sharing platform between users, either
in the form of texts, images, photos, or videos. The public awareness on
real-time events such as accidents become a trigger for users to upload the
news feed into social media. Messages on social media often mentioned the
location where the event happened.
The process of events
detection in real-time and geospatial information is the basis for mapping
event location. An event in this study is a message on social media which has
“transportation accident” as the topic. The social media messages can be
processed to obtain geospatial information by using text-mining and then
visualized into a map. The algorithm used in the text-mining with density-based
clustering method is DBSCAN (Density-Based Spatial Clustering of Applications
with Noise) algorithm. DBSCAN algorithm uses two parameters: the radius of each
cluster member to the cluster core (ε) and MinPts (Minimal Points) which
provides a minimum number of cluster members in Eps. Extraction locations then
performed on each cluster that produced from clustering. Mapping visualization
is done against cluster locations that are extracted using NER rule-based
method and parsing to Google Maps Geocoding API.
Keywords :
geospatial,
text-mining, density-based clustering, DBSCAN, NER rule-based
