MENDETEKSI GEJALA DEPRESI PENGGUNA TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER

TUBAGUS RAHMAN RAMADAN

Informasi Umum

Kode

20.04.4077

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Algorithms

Dilihat

81 kali

Informasi Lainnya

Abstraksi

Dengan seiringnya perkembangan teknologi informasi (TI) yang semakin pesat. Pertukaran informasi menjadi sangat mudah dan cepat dengan melalui berbagai macam media, salah satunya adalah media sosial. Masyarakat Indonesia banyak yang tertarik dengan salah satu media sosial, yaitu twitter. Twitter dapat menjadi sumber data sentimen dan pendapat masyarakat untuk penelitian karena digunakan banyak orang untuk mengekspresikan emosi dan pendapat seseorang dengan bentuk teks. Pada penelitian ini dilakukan deteksi gejala depresi pengguna twitter, dikarenakan depresi menjadi salah satu penyakit serius dalam dunia kesehatan.

Pada penelitian ini bertujuan untuk mengetahui bagaimana analisis sentimen mendeteksi gejala depresi pengguna twitter dengan menggunakan algoritma naïve bayes classifier. Seseorang atau pengguna twitter yang mengalami gejala depresi dapat di lihat dari tweets yang berisi kata-kata dan kalimat yang menandakan gejala depresi, seperti kesedihan atau lekas marah, gangguan dalam tidur, menangis, dan pikiran untuk bunuh diri. Untuk dapat mendeteksi gejala depresi dilakukan melalui beberapa tahap, yaitu pengumpulan data, memberi label pada data, preprocessing data, ekstraksi fitur, dan klasifikasi data.

Pengumpulan data dilakukan dengan web crawling menggunakan API twitter. Data tweet yang mengandung gejala depresi ditandai dengan 1 dan yang tidak mengandung gejala depresi ditandai dengan 0. Terdapat enam proses yang dilakukan pada preprocessing data, yaitu case folding, slang word removal, tokenization, stopword removal, dan stemming. Ekstraksi fitur dilakukan dengan TF-IDF, dan klasifikasi data menggunakan algoritma naïve bayes classifier dengan validasi menggunakan k-fold cross validation dengan k =10. Setelah dilakukan klasifikasi maka selanjutnya dievaluasi menggunakan confusion matrix. Didapatkan hasil akurasi sebesar 83,68%, precision 61,51%, recall 50,23%, dan f1-score 46,20%.

Kata kunci: analisis sentimen, gejala depresi, media sosial, naïve bayes classifier, twitter.