Analisis Sentimen Masyarakat Terhadap Kesehatan Mental Pada Media Sosial Twitter Dengan Menggunakan Machine Learning
Isi Artikel Utama
Abstrak
Kesehatan mental sangat mempengaruhi kehidupan global, dengan sekitar 300 juta orang mengalami depresi pada 2019, termasuk 15,6 juta di Indonesia. Pandemi Covid-19 meningkatkan kasus kecemasan dan depresi, dan pada 2022, WHO melaporkan 23 juta orang menderita gangguan kejiwaan. Di Indonesia, masalah kesehatan mental remaja juga tinggi, dengan penggunaan media sosial berlebihan terkait peningkatan gangguan emosional. Twitter, dengan data real-time, menjadi alat penting untuk menganalisis sentimen publik dan memahami opini melalui teknik analisis dan machine learning. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap kesehatan mental di Indonesia melalui media sosial Twitter serta menguji keefektifan penggunaan machine learning dalam analisis sentimen. Hasil penelitian menunjukkan bahwa metode Naive Bayes dan Decision Tree efektif dalam menganalisis sentimen, dengan akurasi sebesar 91% dan 89% masing-masing. Rerata hasil dari cross validation menunjukkan nilai 73,21% untuk Naive Bayes dan 67,02% untuk Decision Tree. Pada penelitian ini sentimen positif lebih dominan dengan persentase nilai 78,7%, sementara sentimen negatif hanya 21,3%. Temuan ini mengindikasikan bahwa kesadaran masyarakat Indonesia tentang pentingnya kesehatan mental semakin meningkat, dan mereka semakin memahami pentingnya menjaga kesehatan mental.
Unduhan
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Penulis yang menerbitkan dengan Positif : Jurnal Sistem dan Teknologi Informasi menyetujui persyaratan berikut:
- Penulis memegang hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat masuk ke dalam pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan.
This work is licensed under a Creative Commons Attribution 4.0 International License.
Referensi
[1] Kemenkes, “Pengertian Kesehatan Mental,” kemkes.go.id, 2018. https://ayosehat.kemkes.go.id/pengertian-kesehatan-mental (diakses 30 Agustus 2023).
[2] Itsbil, “Depresi, Kesehatan Mental yang Tak Boleh Disepelekan,” Kampus ITS, 2023. https://www.its.ac.id/news/2023/05/22/__trashed-5/ (diakses 24 Agustus 2023).
[3] Z. Prihatini, “WHO: Hampir 1 Miliar Orang di Dunia Alami Gangguan Kesehatan Mental,” Kompas.com, 2022. https://www.kompas.com/sains/read/2022/06/20/193000823/who--hampir-1-miliar-orang-di-dunia-alami-gangguan-kesehatan-mental?page=all (diakses 24 Agustus 2023).
[4] P. Pandu, “Aplikasi untuk Deteksi Dini Psikosis,” Kompas.id, 2022. https://www.kompas.id/baca/humaniora/2022/11/13/inovasi-iptek-aplikasi-deteksi-dini-psikosis (diakses 24 Agustus 2023).
[5] A. Arif, “Krisis Kesehatan Mental Melonjak di Kalangan Remaja,” Kompas.id, 2023. https://www.kompas.id/baca/humaniora/2023/05/03/krisis-kesehatan-mental-melonjak-di-kalangan-remaja (diakses 24 Agustus 2023).
[6] S. Kaur, K. Kaur, Aprajita, R. Verma, dan Pangkaj, “Impact of Social Media on Mental Health of Adolescents,” J. Pharm. Negat. Results, vol. 13, no. 5, hal. 779–783, 2022, doi: 10.47750/pnr.2022.13.S05.121.
[7] N. Z. Septiana, “Dampak Peggunaan Media Sosial Terhadap Kesehatan Mental Dan Kesejahteraan Sosial Remaja Dimasa Pandemi Covid-19,” Nusant. Res. J. Hasil-hasil Penelit. Univ. Nusant. PGRI Kediri, vol. 8, no. 1, hal. 1–13, 2021, doi: 10.29407/nor.v8i1.15632.
[8] R. Al Yasin, R. R. K. A. Anjani, S. Salsabil, T. Rahmayanti, dan R. Amalia, “Pengaruh Sosial Media Terhadap Kesehatan Mental Dan Fisik Remaja: a Systematic Review,” J. Kesehat. Tambusai, vol. 3, no. 2, hal. 83–90, 2022, doi: 10.31004/jkt.v3i2.4402.
[9] H. D. Jayanti dkk., “2314-8101-1-Pb,” hal. 91–102, 2022.
[10] A. Rosmalina dan T. Khaerunnisa, “Penggunaan Media Sosial dalam Kesehatan Mental Remaja,” Prophet. Prof. Empathy, Islam. Couns. J., vol. 4, no. 1, hal. 49, 2021, doi: 10.24235/prophetic.v4i1.8755.
[11] S. Sadya, “Indonesia Masuk Negara Paling Banyak Main Twitter pada Awal 2023,” dataindonesia.id/, 2023. https://dataindonesia.id/internet/detail/indonesia-masuk-negara-paling-banyak-main-twitter-pada-awal-2023 (diakses 30 Agustus 2023).
[12] Adam, “Demografi Pengguna Twitter di Indonesia Paling Banyak Pria daripada Perempuan,” itworks.id, 2019. https://www.itworks.id/19408/demografi-pengguna-twitter-di-indonesia-paling-banyak-pria-daripada-perempuan.html (diakses 30 Agustus 2023).
[13] E. T. Pusparini, “Mengenal Apa Itu Analisis Sentimen, Tipe dan Cara Kerjanya,” qontak.com, 2023. https://qontak.com/blog/analisis-sentimen-adalah/ (diakses 4 September 2023).
[14] F. V. Sari dan A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, hal. 681–686, 2019.
[15] M. Harahap, B. P. A. Sihombing, O. A. F. Laia, B. T. Saragih, F. Teknologi, dan U. P. Indonesia, “ANALISIS SENTIMEN REVIEW PENJUALAN PRODUK UMKM PADA MACHINE LEARNING Kuandi Dharma,” vol. 5, no. 2, hal. 147–154, 2021.
[16] E. Yuniar, D. Safiroh, dan D. Wahyuningsih, “Implementasi Scraping Data Untuk Sentiment Analysis Pengguna Dompet Digital Dengan Menggunakan Algoritma Machine Learning Implementation of Data Scraping for Sentiment Analysis of Digital,” vol. 2, no. 1, hal. 35–42, 2022, doi: 10.25008/janitra.v2i1.145.
[17] A. I. Putra dan R. R. Santika, “Implementasi Machine Learning dalam Penentuan Rekomendasi Musik dengan Metode Content-Based Filtering,” Edumatic J. Pendidik. Inform., vol. 4, no. 1, hal. 121–130, 2020, doi: 10.29408/edumatic.v4i1.2162.
[18] Badan Pusat Statistik, “Persentase Penduduk yang Mempunyai Keluhan Kesehatan Selama Sebulan Terakhir (Persen), 2020-2022,” Statistik Indonesia, 2022. https://www.bps.go.id/indicator/30/222/1/persentase-penduduk-yang-mempunyai-keluhan-kesehatan-selama-sebulan-terakhir.html (diakses 24 Agustus 2023).
[19] R. Azhar, A. Surahman, dan C. Juliane, “Analisis Sentimen Terhadap Cryptocurrency Berbasis Python TextBlob Menggunakan Algoritma Naïve Bayes,” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, hal. 267–281, 2022.
[20] K. Verena, S. Toy, Y. A. Sari, dan I. Cholissodin, “Analisis Sentimen Twitter menggunakan Metode Naive Bayes dengan Relevance Frequency Feature Selection ( Studi Kasus: Opini Masyarakat mengenai Kebijakan New Normal ),” vol. 5, no. 11, hal. 5068–5074, 2021.
[21] R. Adinugroho, Perbandingan Rasio Split Data Training Dan Data Testing Menggunakan Metode LSTM Dalam Memprediksi Harga Indeks Saham Asia. 2022. [Daring]. Tersedia pada: https://repository.uinjkt.ac.id/dspace/handle/123456789/67314%0Ahttps://repository.uinjkt.ac.id/dspace/bitstream/123456789/67314/1/RAHMADHAN ADINUGROHO-FST.pdf
[22] A. Tharwat, “Classification assessment methods,” Appl. Comput. Informatics, vol. 17, no. 1, hal. 168–192, 2018, doi: 10.1016/j.aci.2018.08.003.