YOGI FATMAWATI, ADINDA (2024) ANALISIS SENTIMEN KOMENTAR MEDIA SOSIAL TWITTER TERHADAP KESEHATAN MENTAL DI ERA DIGITAL DENGAN ALGORITMA NAIVE BAYES. Strata 1 thesis, Universitas Teknokrat Indonesia.
![[img]](http://repository.teknokrat.ac.id/style/images/fileicons/text.png) |
Text (Full Teks)
skripsi18311265.pdf - Published Version Restricted to Registered users only Download (4MB) | Request a copy |
|
Text (Abstrak)
abstrak18311265.pdf - Published Version Download (6kB) |
|
Text (BAB I Pendahuluan)
b118311265.pdf - Published Version Download (66kB) |
|
Text (BAB II Landasan Teori)
b218311265.pdf - Published Version Download (338kB) |
|
Text (Daftar Pustaka)
daftar_pustaka18311265.pdf - Bibliography Download (227kB) |
Abstract
Perkembangan teknologi informasi dan komunikasi telah mengubah cara manusia berinteraksi, terutama dengan munculnya media sosial sebagai platform utama untuk berbagi informasi. Twitter menjadi salah satu platform populer di mana masyarakat mengekspresikan pikiran dan perasaan mereka tentang isu-isu. Twitter adalah layanan microblogging yang memungkinkan pengguna mendaftar secara gratis, memilih pegangan, dan membuat profil. Salah satu isu yang sering menjadi perbincangan yakni kesehatan mental. Kesehatan mental dikenal juga sebagai hygiene, ialah bidang yang menyelidiki kesehatan mental manusia yang tidak mengalami gejala penyakit jiwa atau gangguan mental. Dengan maraknya diskusi dan berbagi informasi tentang kesehatan mental di platform media sosial terutama twitter, ada peluang besar untuk menganalisis bagaimana sentimen dan pandangan masyarakat terhadap topik ini. Dalam penelitian ini, dilakukan analisis sentimen terhadap opini pengguna Twitter terhadap Kesehatan mental dengan menggunakan metode Naïve Bayes Classification (NBC). Data tweet yang di gunakan berjumlah 4749 dari rentang waktu (Januari 2019 – November 2023) data dengan opini berbahasa Indonesia, setelah proses preprocessing tersisa 3672 data tweet. Hasil pelabelan sentiment menunjukan bahwa sekitar 2996 data atau sekitar 81,9% dilabeli sebagai tweet negatif. Sementara itu, sekitar 12,1% atau 456 data dilabeli sebagai tweet netral, dan sekitar 6 % dan 220 data dilabeli sebagai tweet positif. Dalam penelitian ini menggunakan teknik Teknik Optimasi Synthetic Minority Oversampling Technique (SMOTE) yang digunakan untuk menyeimbangkan dataset dengan cara menggandakan data minoritas dengan menarik data menjadi jumlah tertinggi yaitu 2.996 data. Pembagian data latih dan data uji dibagi dengan perbandingan 80:20. Sehingga di dapatkan akurasi hasil klasifikasi naive bayes tanpa smote sebesar 81% dengan rata-rata nilai precision 27%, recall 33%,dan f1-score 30% .Sedangkan setelah menggunakan smote diperoleh accuracy sebesar 87%, precision 87,78%, recall 86,58%,dan f1-score 86,13%. Hasil Penelitian ini menunjukan bahwa pengguna twitter lebih cenderung memberikan opini negatif terhadap kesehatan mental sbesar 81,9%.
| Item Type: | Thesis (Strata 1) |
|---|---|
| Uncontrolled Keywords: | Teknologi, Kesehatan Mental, Analisis Sentimen, Twitter, Naïve Bayes Classification (NBC), Synthetic Minority Oversampling Technique (SMOTE). |
| Subjects: | SISTEM INFORMASI (S1) > Online Social Network SISTEM INFORMASI (S1) > Online Social Network |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi |
| Depositing User: | Pustakawan Admin 1 |
| Date Deposited: | 24 Aug 2024 07:54 |
| Last Modified: | 24 Aug 2024 07:54 |
| URI: | http://repository.teknokrat.ac.id/id/eprint/5999 |
Actions (login required)
 |
View Item |
