POLIBANPOLIBAN

POSITIF : Jurnal Sistem dan Teknologi InformasiPOSITIF : Jurnal Sistem dan Teknologi Informasi

Kesehatan mental sangat mempengaruhi kehidupan global, dengan sekitar 300 juta orang mengalami depresi pada 2019, termasuk 15,6 juta di Indonesia. Pandemi Covid-19 meningkatkan kasus kecemasan dan depresi, dan pada 2022, WHO melaporkan 23 juta orang menderita gangguan kejiwaan. Di Indonesia, masalah kesehatan mental remaja juga tinggi, dengan penggunaan media sosial berlebihan terkait peningkatan gangguan emosional. Twitter, dengan data real-time, menjadi alat penting untuk menganalisis sentimen publik dan memahami opini melalui teknik analisis dan machine learning. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap kesehatan mental di Indonesia melalui media sosial Twitter serta menguji keefektifan penggunaan machine learning dalam analisis sentimen. Hasil penelitian menunjukkan bahwa metode Naive Bayes dan Decision Tree efektif dalam menganalisis sentimen, dengan akurasi sebesar 91% dan 89% masing-masing. Rerata hasil dari cross validation menunjukkan nilai 73,21% untuk Naive Bayes dan 67,02% untuk Decision Tree. Pada penelitian ini sentimen positif lebih dominan dengan persentase nilai 78,7%, sementara sentimen negatif hanya 21,3%. Temuan ini mengindikasikan bahwa kesadaran masyarakat Indonesia tentang pentingnya kesehatan mental semakin meningkat, dan mereka semakin memahami pentingnya menjaga kesehatan mental.

Penelitian ini menyimpulkan bahwa sentimen masyarakat terhadap kesehatan mental di Indonesia cenderung positif.Metode machine learning, khususnya Naive Bayes dan Decision Tree, efektif dalam menganalisis sentimen pada platform Twitter.Hasil analisis menunjukkan bahwa terdapat peningkatan kesadaran masyarakat mengenai pentingnya menjaga kesehatan mental.

Penelitian lanjutan dapat dilakukan dengan memperluas dataset yang digunakan, mencakup periode waktu yang lebih panjang dan data dari berbagai platform media sosial lainnya untuk mendapatkan gambaran yang lebih komprehensif mengenai sentimen publik terhadap kesehatan mental di Indonesia. Selain itu, eksplorasi metode machine learning yang lebih canggih, seperti deep learning dengan model transformer, dapat meningkatkan akurasi dan kemampuan analisis sentimen, terutama dalam menangkap nuansa emosi yang kompleks dalam teks. Terakhir, penelitian dapat difokuskan pada identifikasi faktor-faktor spesifik yang berkontribusi terhadap sentimen positif atau negatif terhadap kesehatan mental, seperti pengaruh kampanye kesehatan mental, peristiwa sosial, atau karakteristik demografis pengguna Twitter, sehingga dapat memberikan rekomendasi yang lebih tepat sasaran untuk meningkatkan kesadaran dan dukungan terhadap kesehatan mental di masyarakat.

  1. PENGARUH SOSIAL MEDIA TERHADAP KESEHATAN MENTAL DAN FISIK REMAJA: A SYSTEMATIC REVIEW | Jurnal Kesehatan... doi.org/10.31004/jkt.v3i2.4402PENGARUH SOSIAL MEDIA TERHADAP KESEHATAN MENTAL DAN FISIK REMAJA A SYSTEMATIC REVIEW Jurnal Kesehatan doi 10 31004 jkt v3i2 4402
  2. Penggunaan Media Sosial dalam Kesehatan Mental Remaja | Rosmalina | Prophetic : Professional, Empathy,... syekhnurjati.ac.id/jurnal/index.php/prophetic/article/view/8755Penggunaan Media Sosial dalam Kesehatan Mental Remaja Rosmalina Prophetic Professional Empathy syekhnurjati ac jurnal index php prophetic article view 8755
  1. #kesehatan mental#kesehatan mental
  2. #mental remaja#mental remaja
Read online
File size413.11 KB
Pages7
Short Linkhttps://juris.id/p-20w
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test