Wika Meilany Syam Bahri Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2022

Skripsi

Depresi merupakan kontributor primer kematian akibat bunuh diri yang mendekati 800.000 insiden bunuh diri setiap tahunnya. Gangguan depresi dapat mempengaruhi seseorang secara afektif, fisiologis, kognitif dan perilaku sehingga menyebabkan penderitanya sering mengekspresikan aktivitas dan perasaannya dengan berkomunikasi di lingkungan sosial, terutama media sosial. Twitter sebagai salah satu platform media sosial yang paling banyak diminati oleh pengguna sebagai tempat berkeluh kesah untuk menyampaikan opini atau pendapat pribadi berbasis teks melalui akun pribadinya. Opini ini dapat diprediksi adanya kecenderungan depresi melalui data teks dari Twitter berdasarkan sentimen pengguna. Dari permasalahan tersebut, dilakukan penelitian yang akan mengklasifikasi data teks menjadi dua kategori depresi, yaitu depresi berat dan depresi ringan berdasarkan riwayat pengguna dengan pendekatan klasifikasi teks berbasis Machine Learning menggunakan metode Naïve Bayes. Data teks diperoleh dari Kaggle dengan jumlah 798.622 (sentimen negatif), kemudian dilakukan pembersihan dan pelabelan data untuk dilakukan pengujian sebagai dataset dalam model klasifikasi menggunakan vektorisasi dan algoritma Multinomial Naive Bayes. Model klasifikasi dilakukan pengujian dengan data baru yang diambil dari Twitter melalui API Twitter. Hasil pengujian menggunakan dataset dari Kaggle diperoleh akurasi sebesar 95% dan skor dari f1-score sebesar 95%. Adapun data sampel diperoleh dari pengujian menggunakan data baru sebanyak 360 data yang memiliki kecenderungan depresi berat dan depresi ringan dengan jumlah paling banyak riwayat untuk depresi berat sebesar 34 twit dan depresi ringan sebesar 28 twit. Hasil penelitian menunjukkan bahwa model mampu untuk mengklasifikasi twit yang memiliki kecenderungan depresi berat dan depresi ringan. Kata kunci: Depresi, Twitter, Sentiment Pengguna, Machine Learning, Naïve Bayes 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 102739 2022-08-22 11:34:45 2022-08-22 15:21:33 machine generated