Nandila, Alisyafira Sayyidina (2024) ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP ISU KESEHATAN MENTAL PASCA PANDEMI COVID-19 DENGAN MENGGUNAKAN METODE NAÏVE BAYES & SUPPORT VECTOR MACHINE (SVM). Bachelor thesis, Universitas Nasional.
Text
COVER.pdf Download (1MB) |
|
Text
BAB 1.pdf Download (337kB) |
|
Text
BAB 2.pdf Download (637kB) |
|
Text
BAB 3.pdf Download (474kB) |
|
Text
BAB 4.pdf Download (1MB) |
|
Text
BAB 5.pdf Download (309kB) |
|
Text
LAMPIRAN.pdf Download (921kB) |
Abstract
Penelitian ini membahas tentang analisis sentimen data Twitter terkait isu kesehatan mental pascapandemi COVID-19 dengan menggunakan metode Naive Bayes dan Support Vector Machine (SVM) Penelitian ini bertujuan untuk memahami sentimen publik dan implikasinya terhadap kesehatan mental pascapandemi dengan menganalisis kumpulan data tweet. Tweet dikategorikan menjadi tiga kelas yaitu, sentimen positif, negatif, atau netral yang di uji menggunakan metode Naive Bayes dan SVM dan dengan membandingkan kedua metode tersebut. Beberapa orang menggunakan berbagai platform media sosial, termasuk Twitter, untuk berbagi keluhan, menawarkan saran satu sama lain, dan berbagi informasi tentang kesehatan mental dalam upaya menghindari dampak psikologis ini. Penelitian ini dilakukan untuk menganalisis opini publik terhadap isu kesehatan mental pascapandemi Covid-19, sehingga dapat diketahui gambaran umum, stigma yang berkembang di masyarakat terhadap isu kesehatan mental, dan sikap publik terhadap menjaga kesehatan mental pascapandemi Covid-19. Analisis sentimen publik terkait isu kesehatan mental di Twitter menghasilkan 38,34% netral, 32,56% positif, dan 29,09% negatif. Perbandingan hasil akurasi menggunakan metode SVM memiliki kinerja tertinggi, akurasi yang diperoleh sebesar 84%, sedangkan nilai akurasi Naïve Bayes sebesar 80%.
Item Type: | Thesis (Bachelor) |
---|---|
Subjects: | H Social Sciences > HN Social history and conditions. Social problems. Social reform Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources |
Divisions: | Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi |
Depositing User: | Miss Rahma Rahmawati |
Date Deposited: | 11 Sep 2024 02:55 |
Last Modified: | 11 Sep 2024 02:55 |
URI: | http://repository.unas.ac.id/id/eprint/11751 |
Actions (login required)
View Item |