KOMPARASI ALGORITMA NAÏVE BAYES CLASSIFIER, K-NEAREST NEIGHBOR DAN DECISION TREE UNTUK MENGANALISIS SENTIMEN MASYARAKAT TERHADAP KESEHATAN MENTAL PADA MEDIA SOSIAL TWITTER

  • Tachiyya Nailal Khusna Universitas Islam Negeri Sunan Kalijaga Yogyakarta
  • Bambang Sugiantoro Universitas Islam Negeri Sunan Kalijaga Yogyakarta

Abstract

Twitter adalah platform media sosial paling populer di internet dan menawarkan kesempatan kepada pengguna untuk mengekspresikan pendapat mereka tentang berbagai topik, termasuk berita, peristiwa terkini, kabaret, dan topik lainnya. Salah satunya adalah opini Kesehatan mental. Namun, ada banyak opini yang berbeda di Twitter dari pengguna internet yang berbeda, Oleh karena itu, perlu dilakukan analisis dasar mengenai opini publik untuk menjelaskan dan memberikan informasi baru mengenai topik tertentu yang berkaitan dengan kesehatan mental, metode yang digunakan adalah algoritma Naïve Bayes Clasifier dan K-Nearest Neighbors (K-NN) dan Decision Tree. Ada 5000 data yang berhasil dikumpulkan melalui API Twitter dengan memanfaatkan kata kunci 'Kesehatan Mental'. Proses pengumpulan data meliputi klasifikasi opini menjadi positif atau negatif, pembersihan data, dan pra-pemrosesan, hingga mencapai hasil akhir. Data tersebut kemudian dianalisis menggunakan tiga algoritma yang berbeda, yaitu Naïve Bayes Classifier dan K-Nearest Neighbors (K-NN) serta Decision Tree, untuk membandingkan dan menentukan akurasi tertinggi. Dalam penelitian ini, algoritma Naïve Bayes menunjukkan hasil terbaik dengan akurasi 98,3%, presisi 79%, dan recall 87,17%.


Kata kunci: Analisis Sentimen, Decision Tree, Kesehatan Mental,  K-Nearest Neighbors (K-NN), Naïve Bayes Classifier.

References

Andryani, R., Negara, E. S., & Triadi, D. (2019). Social Media Analytics: Data Utilization of Social Media for Research. Journal of Information Systems and Informatics, 1(2), 193–205. https://doi.org/10.33557/journalisi.v1i2.23
Azwanti, N. (2018). Analisa Algoritma C4.5 Untuk Memprediksi Penjualan Motor Pada Pt. Capella Dinamik Nusantara Cabang Muka Kuning. Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, 13(1), 33. https://doi.org/10.30872/jim.v13i1.629
Baharuddin, M. M., Azis, H., & Hasanuddin, T. (2019). Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca. ILKOM Jurnal Ilmiah, 11(3), 269–274. https://doi.org/10.33096/ilkom.v11i3.489.269-274
Cahyaningrum, N. I., Yoshida Fatima, D. W., Kusuma, W. A., Ramadhani, S. A., Destanto, M. R., & Nooraeni, R. (2020). Analysis of User Sentiment of Twitter to Draft KUHP. Jurnal Matematika, Statistika Dan Komputasi, 16(3), 273. https://doi.org/10.20956/jmsk.v16i3.8239
Gutierrez, L. J., Rabbani, K., Ajayi, O. J., Gebresilassie, S. K., Rafferty, J., Castro, L. A., & Banos, O. (2021). Internet of things for mental health: Open issues in data acquisition, self-organization, service level agreement, and identity management. International Journal of Environmental Research and Public Health, 18(3), 1–19. https://doi.org/10.3390/ijerph18031327
Ivan, Arum Sari, Y., & Adikara, P. P. (2019). Klasifikasi Hate Speech Berbahasa Indonesia di Twitter Menggunakan Naive Bayes dan Seleksi Fitur Information Gain dengan Normalisasi Kata Eye Movement Detection View project Image Processing View project. May. https://www.researchgate.net/publication/334194823
Sari, F. V., & Wibowo, A. (2019). Analisis Sentimen Pelanggan Toko Online Jd. Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 2(2), 681–686.
Sari, R. (2020). Analisis Sentimen Pada Review Objek Wisata Dunia Fantasi Menggunakan Algoritma K-Nearest Neighbor (K-Nn). EVOLUSI : Jurnal Sains Dan Manajemen, 8(1), 10–17. https://doi.org/10.31294/evolusi.v8i1.7371
Suryono, S., & Taufiq Luthfi, E. (2021). Analisis sentimen pada Twitter dengan menggunakan metode Naïve Bayes Classifier. Jnanaloka, 81–86. https://doi.org/10.36802/jnanaloka.2020.v1-no2-81-86
Sutoyo, I. (2018). Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik. Jurnal Pilar Nusa Mandiri, 14(2), 217. https://doi.org/10.33480/pilar.v14i2.926
Tang, S., Werner-Seidler, A., Torok, M., Mackinnon, A. J., & Christensen, H. (2021). The relationship between screen time and mental health in young people: A systematic review of longitudinal studies. Clinical Psychology Review, 86, 102021. https://doi.org/10.1016/j.cpr.2021.102021
Utami, I., & Marzuki, M. (2020). Analisis Sistem Informasi Banjir Berbasis Media Twitter. Jurnal Fisika Unand, 9(1), 67–72. https://doi.org/10.25077/jfu.9.1.67-72.2020
Wibowo, A., & Winarko, E. (2014). Paper Review: Data Mining Twitter. Maintaining Cultural Heritage Through Information Technology for a Smart Future, November 2014, 1–10. https://www.researchgate.net/publication/329207488_Paper_Review_Data_Mining_Twitter
Published
2023-08-26
How to Cite
KHUSNA, Tachiyya Nailal; SUGIANTORO, Bambang. KOMPARASI ALGORITMA NAÏVE BAYES CLASSIFIER, K-NEAREST NEIGHBOR DAN DECISION TREE UNTUK MENGANALISIS SENTIMEN MASYARAKAT TERHADAP KESEHATAN MENTAL PADA MEDIA SOSIAL TWITTER. JUMANJI (Jurnal Masyarakat Informatika Unjani), [S.l.], v. 7, n. 1, p. 18-31, aug. 2023. ISSN 2598-8069. Available at: <http://jumanji.unjani.ac.id/index.php/jumanji/article/view/279>. Date accessed: 21 june 2024. doi: https://doi.org/10.26874/jumanji.v7i1.279.