Analisis Sentimen Twitter Pada Isu Mental Health Dengan Algoritma Klasifikasi Support Vector Machine Dan Naïve Bayes

Abstract

Pemahaman serta stigma buruk terhadap kesadaran akan kesehatan mental yang sangat rendah yang turut andil dalam penyembuhan kesehatan mental dapat dikonsepkan kepada stigma public dan stigma diri sendiri. Tujuan penelitian ini adalah untuk mengetahui bagaimana analisis sentimen oleh masyarakat mengenai isu mental health dari media sosial Twitter dan juga untuk mengetahui akurasi yang optimal dari hasil klasifikasi Support Vector Machine dan naïve bayes. Data yang digunakan pada penelitian ini berjumlah sebanyak 2197 record data yang berdasarkan komentar terbaru terbaru ketika data diambil yaitu pada tanggal 16 Maret 2024 dengan melalui website APIFY dari komentar postingan twitter melalui proses crawling. Support Vector Machine merupakan algoritma terbaik dalam menganalisis sentimen ulasan twitter mengenail isu mental health dengan tingkat akurasi yang paling tinggi pada perbandingan data 90:10 yaitu 82%, sedangkan Algoritma Naïve Bayes mendapatkan tingkat akurasi yang paling tinggi pada perbandingan data 80:20 yaitu 78%. Hasil yang di dapat dalam menganalisis sentimen mengenai isu mental health pada sosial media twitter cenderung mendapatkan sentimen positif dengan mendapatkan persentase 50,36%, sentimen negatif mendapatkan persentase 41,89%, dan sentimen netral mendapatkan persentase 7,75% dengan jumlah data setelah tahap Text Prepocessing dan tahap proses pelabelan data berjumlah 2165 record data.