Deteksi Depresi di Media Sosial Twitter Mengggunakan Long Short-Term Memory

HAFSHAH HAUDLI WINDJATIKA

Informasi Umum

Kode

22.04.3444

Klasifikasi

300.285 - Data Analysis of Social Science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Analysis, Social Media-marketing,

Informasi Lainnya

Abstraksi

Permasalahan kesehatan jiwa di dunia, terutama di Indonesia masih menjadi hal yang signifikan. Menurut Kementerian Kesehatan Republik Indonesia, menunjukkan bahwa banyak remaja usia 15-24 tahun mengalami depresi. Depresi yang dialami seseorang terkadang tanpa disadari, sehingga media sosial menjadi perantara untuk mengungkapkan perasaan dalam bentuk teks. Dari data teks ini mendorong penelitian terhadap mendeteksi depresi. Deteksi depresi dilakukan untuk mengetahui pengguna Twitter tersebut mengalami depresi. Dengan menggunakan data dari 159 pengguna Twitter dengan masing-masing username diambil 100 tweets. Penelitian ini memanfaatkan fitur Word2Vec dan metode Long Short-Term Memory (LSTM) sebagai metode klasifikasi. Word2Vec berfungsi dalam mengubah data menjadi vektor dan melihat hubungan antar kata. LSTM dipilih karena dataset yang digunakan adalah kumpulan tweet dari masa lampau dan metode ini dapat menyimpan informasi masa lampau tersebut untuk dilakukan prediksi. Proses klasifikasi dilakukan dengan mengolah data latih berupa cuitan yang kemudian menjadi model untuk proses uji data latih. Dari hasil pengujian menghasilkan tingkat akurasi training sebesar 77.95% dan F1-score 57.14%.