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