Implementasi Algoritma Naive Bayes untuk Mengklasifikasikan Konten Twitter dengan Indikasi Depresi

Budiman, Andre (2021) Implementasi Algoritma Naive Bayes untuk Mengklasifikasikan Konten Twitter dengan Indikasi Depresi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (142kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (30kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (516kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (870kB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (8kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (3MB)

Abstract

Depresi merupakan salah satu masalah kesehatan paling umum dan memiliki dampak yang sangat besar. Depresi ditandai atau dipengaruhi oleh banyak aspek, termasuk pengalaman hidup, pekerjaan, kehidupan sosial. Pada tahun 2018, tercatat 6.1% dari 267.7 juta jiwa mengalami gangguan mental di Indonesia. Hal ini juga berhubungan dengan stigma akan penyakit kejiwaan dan rendahnya kesadaran dalam menjalani pengobatan kepada ahli. Pengekspresian diri saat ini kerap kali dilakukan dengan membuat postingan pada media sosial. Twitter adalah salah satu dari alat pengekspresian diri atau emosi dalam bentuk tekstual yang sering digunakan untuk mengekspresikan diri. Penelitian ini didasari pada data yang dikumpulkan dari Twitter dengan konten bahasa Indonesia. Data yang dikumpulkan kemudian dikategorikan ke dalam "Terindikasi Depresi" dan "Tidak Terindikasi Depresi" yang didasari oleh pengertian dan faktor lainnya. Model prediktif yang digunakan adalah Multinomial Naïve Bayes dan Complement Naïve Bayes dengan bantuan metode ekstraksi fitur Term Frequency ­ Inverse Document Frequency (TF-IDF) dan Grid-Search Cross Validation dalam melakukan pembobotan kata dan pencarian parameter terbaik. Hasil akurasi terbaik yang dihasilkan oleh model Multinomial Naïve Bayes berada pada 93.85% dan model Complement Naïve Bayes berada pada 93.35%.

Item Type: Thesis (Bachelor Thesis)
Keywords: Analisis Sentimen, Depresi, TF-IDF¸ Multinomial Naïve Bayes, Complement Naïve Bayes
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 05 Oct 2022 00:49
Last Modified: 28 Jun 2023 08:43
URI: https://kc.umn.ac.id/id/eprint/18095

Actions (login required)

View Item View Item