Perbandingan Algoritma Naive bayes dan KNN dalam analisis sentimen Twitter tentang Depresi di Indonesia
Article Sidebar
Main Article Content
Abstract
Depresi merupakan gangguan mental yang menjadi perhatian global, dengan prevalensi tinggi khususnya di kalangan usia muda. Media sosial seperti Twitter menjadi ruang ekspresi yang potensial dalam mencerminkan kondisi psikologis masyarakat. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen publik terkait isu depresi di Indonesia melalui data Twitter menggunakan dua algoritma pembelajaran mesin, yakni Naïve Bayes dan k-Nearest Neighbours (kNN). Data dikumpulkan melalui proses web scraping terhadap 1.342 tweet, yang kemudian disaring menjadi 873 tweet relevan berbahasa Indonesia. Tahapan analisis meliputi praproses teks, ekstraksi fitur, dan klasifikasi sentimen menjadi tiga kategori: positif, negatif, dan netral. Evaluasi kinerja model dilakukan dengan metrik AUC, akurasi, presisi, recall, F1-score, dan Matthews Correlation Coefficient (MCC). Hasil menunjukkan bahwa algoritma kNN memiliki kinerja unggul dengan akurasi 96,4% dan MCC 0,645, sementara Naïve Bayes mencatatkan AUC tertinggi sebesar 0,985. Distribusi data memperlihatkan dominasi sentimen negatif, mengindikasikan bahwa Twitter kerap digunakan sebagai wadah pelampiasan emosi negatif terkait depresi, terutama di kalangan usia produktif. Temuan ini menegaskan bahwa media sosial berpotensi digunakan sebagai alat skrining awal untuk memantau kesehatan mental masyarakat secara dinamis dan real-time. Implikasi dari studi ini membuka peluang pengembangan sistem pemantauan berbasis kecerdasan buatan untuk mendukung intervensi dini dalam penanganan isu depresi di Indonesia.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
K. Rahayu, V. Fitria, D. Septhya, R. Rahmaddeni, and L. Efrizoni, “Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 108–114, 2023.
I. Pengaruh et al., “ANSIETAS,” no. January, 2022.
D. Daryanto and M. T. Sari, “Pemberdayaan Kader Posyandu Lansia dalam Deteksi Dini Risiko dan Pencegahan Depresi pada Lanjut Usia di Desa Penyengat Olak Muaro Jambi,” J. Abdimas Kesehat., vol. 3, no. 1, p. 81, 2021.
I. R. Ramadani et al., “Depresi, Penyebab Dan Gejala Depresi Tryana Fauziyah,” Bersatu J. Pendidik. Bhinneka Tunggal Ika, vol. 2, no. 2, pp. 89–99, 2024.
A. T. Kaeng and R. Siby, “Mewaspadai Dampak Depresi pada Generasi Z,” Sumikolah J. Ilmu Pendidik., vol. 1, no. 2, pp. 50–58, 2023.
V. C. Agustiyani, “Analisis Wacana Kritis terhadap Representasi Depresi dan Pemikiran Bunuh Diri di Kalangan Gen Z dalam Artikel CNN Indonesia " Depresi hingga Suicidal Thought ’ Hantui ’ Gen Z Indonesia ",” vol. 19, 2024.
R. V. Pangerapan, H. Munayang, and B. H. R. Kairupan, “Hubungan antara Aktivitas Fisik dan Depresi pada Remaja Sekolah Menengah Pertama,” Med. Scope J., vol. 5, no. 1, pp. 45–49, 2023.
F. S. Putri, Z. Nazihah, D. P. Ariningrum, S. Celesta, and C. Kharin Herbawani, “Depresi Remaja di Indonesia: Penyebab dan Dampaknya Adolescent Depression in Indonesia: Causes and Effects,” Jurnalkesehatanpoltekeskemenkesripangkalpinang, vol. 10(2), no. 2, pp. 99–108, 2022.
R. N. Handayani, “Optimasi Algoritma Support Vector Machine untuk Analisis Sentimen pada Ulasan Produk Tokopedia Menggunakan PSO,” Media Inform., vol. 20, no. 2, pp. 97–108, 2021.
D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022.
R. Ramlan, N. Satyahadewi, and W. Andani, “Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM,” Jambura J. Math., vol. 5, no. 2, pp. 431–445, 2023.
L. Hidayati, L. P. Kusuma, D. Agustini, and V. Y. P. Ardhana, “Implementasi Web Scraping Untuk Pengumpulan Data Media Sosial Lingkup Pemerintah Provinsi Ntb,” J. Sist. Inf. dan Inform., vol. 7, no. 1, pp. 63–72, 2024.
E. Pranadjaya, E. S. Pangestu, C. O. Sereati, S. Octaviani, and M. Darmawan, “Perbandingan Algoritma Machine Learning menggunakan Orange Data Mining untuk Klasifikasi Jenis Kendaraan pada Sistem Tilang Digital,” J. Elektro, vol. 17, no. 1, pp. 41–47, 2024.