ix
ABSTRAK
Bella Nurfadhila (16160114), Analisis Sentimen Untuk Mengukur Tingkat Indikasi Depresi Berdasarkan Data Pada Twitter Menggunakan Algoritma Text Mining
Media sosial merupakan konten internet yang paling banyak diakses pengguna internet di Indonesia. Hal ini tidak mengherankan, mengingat banyaknya manfaat yang diberikan media sosial, salah satunya adalah manfaat untuk mengekspresikan diri. Ekspresi diri dapat mencakup banyak hal, termasuk keterbukaan emosional, yaitu keterbukaan seseorang dalam menyampaikan emosi yang sedang dirasakannya. Seiring dengan perkembangan media sosial, keterbukaan emosional semakin banyak dijumpai di media sosial, salah satunya adalah media sosial Twitter. Tujuan dari penelitian ini adalah untuk membuat sebuah aplikasi yang dapat mengukur tingkat indikasi depresi pada pengguna Twitter di Indonesia dengan cara melakukan analisis sentimen pada keterbukaan emosional pengguna Twitter pada media sosial tersebut dengan menggunakan metode Text Mining. Proses Text Mining dilakukan berdasarkan pada kata kunci indikasi depresi yang telah diperoleh dari pakar psikologi. Setelah melakukan proses Text Mining, algoritma Multinomial Naïve Bayes digunakan untuk mengidentifikasi tweet yang mengindikasikan depresi dan menghitung tingkat indikasi depresinya. Metode tersebut kemudian diimplementasikan dalam bentuk aplikasi website. Hasil penelitian ini menunjukkan bahwa dengan metode yang digunakan, aplikasi dapat mengidentifikasi tweet yang terindikasi depresi dan dapat menghitung tingkat indikasi depresinya dengan akurasi sebesar 73,86%.
Kata Kunci: Text Mining, Multinomial Naïve Bayes, Analisis Sentimen, Twitter, Depresi.
x
ABSTRACT
Bella Nurfadhila (16160114), Sentiment Analysis to Measure Depression Indication Level Based on Data on Twitter Using Text Mining
Social media is the most widely accessed internet content by internet users in Indonesia. This is not surprising, given the many benefits social media provide.
One of the benefit of social media is the benefit of expressing oneself. Self- expression can include many things; one of them is emotional disclosure, which is one’s opennese in conveying their emotions. Along with the development of social media, emotional disclosure is ubiquitous in social media, especially in Twitter.
The purpose of this study is to create an application that can measure Indonesian Twitter users depression indication level by analyzing the sentiment of their emotional disclosure on Twitter using Text Mining method. The Text Mining process was done based on the depression indication keywords that had been obtained from psychologist. After the Text Mining process was finished, Multinomial Naïve Bayes algorithm was used to identify tweets with depression indication and calculate the depression indication level. Then the method was implemented in the form of website application. The result of this study indicates that the method that is implemented on the website application makes it impossible for the application to identify tweets with depression indication and calculate the depression indication level with an accuracy of 73,86%.
Keyword: Text Mining, Multinomial Naïve Bayes, Sentiment Analysis, Twitter, Depression.
