Public Sentiment Analysis on the November 2025 Flood Disaster in Aceh Using Natural Language Processing and Lexicon-Based Approach

Ade Putra Erwanda, Al Khaidar, Asrianda Asrianda, Muhammad Fikry, Ibnu Khaldun

Sari


Bencana banjir yang melanda Provinsi Aceh pada November 2025 merupakan salah satu bencana hidrometeorologi besar yang berdampak luas terhadap kehidupan masyarakat. Banjir terjadi di 16 kabupaten/kota dan mengakibatkan hampir 120 ribu jiwa terdampak, puluhan ribu warga mengungsi, serta kerusakan signifikan pada permukiman dan infrastruktur. Peristiwa ini memicu respons publik yang masif di media sosial, khususnya Instagram. Penelitian ini bertujuan untuk menganalisis sentimen respons masyarakat terhadap bencana tersebut menggunakan pendekatan Natural Language Processing (NLP) berbasis lexicon. Data diperoleh melalui proses data crawling terhadap 2.790 komentar Instagram, yang selanjutnya diproses melalui tahapan text cleaning, case folding, tokenization, stopword removal, dan stemming. Hasil analisis menunjukkan dominasi sentimen positif sebesar 62,51%, diikuti sentimen netral 24,98% dan negatif 12,51%. Temuan ini menunjukkan adanya apresiasi, harapan, serta kritik masyarakat terhadap penanganan bencana, dan dapat menjadi bahan evaluasi bagi pemangku kebijakan dalam meningkatkan strategi penanganan dan komunikasi bencana berbasis data.

Teks Lengkap:

PDF

Referensi


A. Widodo and W. Handayani, “Public trust and government response during flood disasters: Evidence from Indonesia,†Int. J. Disaster Risk Reduct., vol. 92, p. 103768, 2025, doi: 10.1016/j.ijdrr.2024.103768.

S. Suryanti and others, “Dampak banjir terhadap kesehatan masyarakat di wilayah rawan bencana,†J. Kesehat. Masy., vol. 16, no. 2, pp. 156–165, 2020, doi: 10.15294/kemas.v16i2.20145.

X. Chen and others, “Public sentiment analysis on social media during flood disasters using machine learning,†Int. J. Disaster Risk Reduct., vol. 77, p. 103067, 2022, doi: 10.1016/j.ijdrr.2022.103067.

N. Rahmawati and others, “Social media analytics for disaster response: Evidence from flood events in Southeast Asia,†Sustainability, vol. 15, no. 6, p. 5120, 2023, doi: 10.3390/su15065120.

A. R. Putra and S. Yulianti, “Analisis sentimen publik terhadap bencana banjir di Indonesia menggunakan pendekatan NLP,†J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 1, pp. 45–55, 2024, doi: 10.25126/jtiik.202411.7321.

D. Lestari and R. Rachmawati, “Persepsi risiko bencana banjir masyarakat di wilayah rawan banjir,†J. Wil. dan Lingkung., vol. 9, no. 1, pp. 1–14, 2021, doi: 10.14710/jwl.9.1.1-14.

R. Kurniawan and Y. Prasetyo, “Analisis sentimen masyarakat terhadap penanganan banjir menggunakan data media sosial,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 7, no. 4, pp. 780–788, 2023, doi: 10.29207/resti.v7i4.5123.

R. Hidayat and others, “Climate variability and extreme rainfall events in Indonesia,†Int. J. Climatol., vol. 40, no. 13, pp. 5550–5565, 2020, doi: 10.1002/joc.6520.

S. Pramana and others, “Machine learning-based sentiment analysis for disaster management using social media data,†Procedia Comput. Sci., vol. 197, pp. 418–425, 2022, doi: 10.1016/j.procs.2021.12.158.

Badan Penanggulangan Bencana Aceh, “Banjir di 16 Kabupaten/Kota Provinsi Aceh per 27 November: 20.759 Jiwa Mengungsi, Satu Orang Hilang Terseret Arus Banjir,†Nov. 2025.

NarasiNewsroom, “Provinsi Aceh jadi salah satu wilayah terdampak banjir akhir November 2025,†Dec. 2025.

A. P. Erwanda, A. Khaidar, and Nurdin, “Convolutional Neural Network Model for Multi-Class Sentiment Analysis on Twitter with Deep Learning Approachâ€,†j. artif. intell. eng. appl, vol. 5, no. 1, pp. 1965–1970, 2025.

A. Khaidar, “Analisis Sentimen Di Instagram Terhadap Menteri Keuangan Purbaya Yudhi Sadewa Menggunakan Metode Logistic Regressionâ€,†JITET, vol. 13, no. 3S1, 2025.

J. Jessika, A. Khaidar, N. Nurdin, and S. Muliana, “Sentiment Analysis Of Instagram Comments On The BPS Province X Account Using The Naive Bayes Algorithm Based On Machine Learning,†J. Artif. Intell. Softw. Eng., vol. 5, no. 3, pp. 1231–1237, 2025.

M. Horvat and others, “Hybrid Natural Language Processing Model for Sentiment Analysis in Crisis and Disaster Contexts,†Electronics, vol. 13, no. 10, p. 1991, 2024, doi: 10.3390/electronics13101991.

P. S. Ghatora, S. E. Hosseini, S. Pervez, M. J. Iqbal, and N. Shaukat, “Sentiment Analysis of Product Reviews Using Machine Learning and Pre-Trained LLM,†Big Data Cogn. Comput., vol. 8, no. 12, p. 199, 2024, doi: 10.3390/bdcc8120199.

E. A. Winanto, Z. Ali, P. A. Jusia, and Sharipuddin, “Analisis Sentimen Terhadap Tagar KaburAjaDulu di Twitter Menggunakan Metode Lexicon-Based,†J. Process., vol. 20, no. 2, p., 2025, doi: 10.33998/processor.2025.20.2.2542.

R. Syahputri, J. K. Tanubrata, and S. Trisnawati, “Penerapan Lexicon-Based untuk Analisis Sentiment Masyarakat Terhadap Kasus Kebocoran Data di Indonesia,†AI2MTech J., vol. 1, no. 2, p., 2025, doi: 10.XXXXX/AI2MTech.2024.1091.

R. A. Ningsih and Z. Fatah, “Analisis Sentimen Komentar YouTube terhadap Tragedi Demo 25 Agustus Menggunakan Pendekatan Lexicon-Based,†J. Mhs. Tek. Inform., vol. 4, no. 2, p., 2025, doi: 10.35473/jamastika.v4i2.4525.




DOI: http://dx.doi.org/10.30811/jaise.v5i4.8481

Refbacks

  • Saat ini tidak ada refbacks.


Indexing :

Creative Commons License
Journal of Artificial Intelligence and Software Engineering (JAISE) licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.