Analisis Sentimen Media Sosial terhadap Kesehatan Mental Mahasiswa Menggunakan Algoritma Naïve Bayes
Kata Kunci:
Analisis Sentimen, Media Sosial, Preprocessing, Kesehatan Mental, Naïve BayesAbstrak
Penelitian ini fokus pada analisis sentimen data media sosial menggunakan bahasa pemrograman Python. Dua tahap preprocessing, seleksi, dan transformasi data, diterapkan untuk membentuk struktur data yang lebih terorganisir. Namun, penelitian juga menganjurkan perbandingan dengan metode klasifikasi lain, seperti Naïve Bayes di Python, yang melibatkan empat tahap preprocessing: Normalisasi, Stopword, Tokenize, dan Stemming. Hasil analisis sentimen menyoroti dampak negatif pada kesehatan mental mahasiswa, terutama terkait dengan tweets negatif yang dominan. Temuan ini menggambarkan pengaruh besar media sosial terhadap kesehatan mental individu. Implikasinya memberikan pemahaman lebih mendalam tentang dinamika interaksi sosial di dunia digital dan risikonya terhadap kesejahteraan psikologis. Penelitian ini membahas pentingnya analisis sentimen dalam konteks media sosial menggunakan Python. Hasilnya menggambarkan urgensi pemahaman terhadap dampak kesehatan mental di kalangan mahasiswa akibat interaksi negatif di dunia maya. Implikasinya dapat menjadi dasar bagi tindakan pencegahan dan pemahaman lebih lanjut tentang peran media sosial dalam kesejahteraan mental
Referensi
M.A Kitzrow. “The Mental Health Needs of Today's College Students: Challenges and Recommendations”,
Naspa Journal, 46, 646-660, Desember 2009
N. Aggrawal, “Detection of Offensive Tweets: A Comparative Study,” Comput. Rev. J., vol. Vol 1 No 1, pp.
–89, 2018.
L. F. S. Coletta, M. Ponti, E. R. Hruschka, A. Acharya, and J. Ghosh, “Combining clustering and active learning for the detection and learning of new image classes,” Neurocomputing, vol. 358, no. September, pp. 150–
, 2019, doi: 10.1016/j.neucom.2019.04.070.
Daniel T. Larose, C. D. L. (n.d.). Discovering Knowledge in Data: An Introduction to Data Mining.
Merawati, D., & Rino. (2019). Penerapan data mining penentu minat Dan bakat siswa Smk dengan metode C4 .
Jurnal Algor, 1(1), 28–37.
Linda. (2020). Kecemasan Remaja Pada Masa Pandemi Covid -19. Jurnal Education. 6 (1). 1-4.
WHO. (2020). Mental health and psychosocial considerations during the COVID-19 outbreak, 18 March 2020: World Health Organization. Google Scholar.
Semiun, Yustinus. (2006). Kesehatan Mental 3. Yogyakarta: Penerbit Kanisius
N. Aggrawal, “Detection of Offensive Tweets: A Comparative Study,” Comput. Rev. J., vol. Vol 1 No 1, pp.
–89, 2018.
L. F. S. Coletta, M. Ponti, E. R. Hruschka, A. Acharya, and J. Ghosh, “Combining clustering and active learning for the detection and learning of new image classes,” Neurocomputing, vol. 358, no. September, pp. 150–
, 2019, doi: 10.1016/j.neucom.2019.04.070
] S. Demokrasi and S. Hukum, “Kata Kunci : Sistem Demokrasi, Sudut Hukum, Ketatanegaraan.,” vol. VIII,
pp. 134–147, 2015.
A. F. Hidayatullah, A. Aulia, F. Yusuf, K. P. Juwairi, R. Abida, and N. Nayoan, “Identifikasi konten kasar pada tweet bahasa Indonesia,” J. Linguist. Komputasional, vol. 2, no. 1, pp. 1–5, 2019
Aldiansyah Putra, Dede Haeirudin, Hasna Khairunnisa, Retnani Latifah Analisis (2021). Sentimen Masyarakat
Terhadap Kebijakan PPKM Pada Media Sosial Twitter Menggunakan Algoritma SVM.
