Media sosial memiliki peran yang sangat penting dalam memberikan informasi terkait bencana alam yang dapat membantu mempercepat respons terhadap bencana. Pesan-pesan yang dibagikan oleh pengguna media sosial dapat memberikan informasi berharga tentang kejadian bencana alam. Penggunaan model 2D CNN yang dikombinasikan dengan LSTM telah dilakukan dalam penelitian sebelumnya untuk klasifikasi bencana alam. Teknik word embedding seperti Word2Vec, FastText, dan GloVe telah digunakan, tetapi keterbatasan dalam representasi kata yang digunakan masih ada. Penelitian ini bertujuan untuk mengatasi kekurangan tersebut dengan menambahkan teks Wikipedia dalam proses word embedding, yang diharapkan dapat memperkaya representasi kata. Selain itu, penelitian ini juga menerapkan teknik tuning pada hyperparameter menggunakan metode grid search yang bertujuan untuk mengoptimalkan performa model 2D CNN + LSTM. Hasil yang diperoleh dari penelitian ini menunjukkan akurasi yang lebih baik dibandingkan dengan penelitian sebelumnya, dengan nilai akurasi mencapai 83.55% untuk banjir, 92.11% untuk kebakaran hutan, dan 81.83% untuk gempa bumi. Hasil ini membuktikan bahwa penambahan teks Wikipedia pada word embedding dan pengoptimalan model 2D CNN + LSTM melalui hyperparameter tuning dengan grid search mampu meningkatkan akurasi model secara signifikan.

Kata kunci: natural disaster, hybrid CNN LSTM, word embedding, text classification, hyperparameter tuning