ANALISIS SENTIMEN OPINI MASYARAKAT TWITTER TERHADAP KASUS DIABETES DI INDONESIA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER

Unsa Ahdannia Susilo; Betha Nurina Sari; Adhi Rizal

doi:10.23960/jitet.v13i3.6942

Authors

Unsa Ahdannia Susilo Universitas Singaperbangsa Karawang
Betha Nurina Sari
Adhi Rizal

DOI:

https://doi.org/10.23960/jitet.v13i3.6942

Abstract Views: 105 File Views: 87

Keywords:

Diabetes Melitus, Analisis Sentimen, Twitter, Naive Bayes

Abstract

Penyakit diabetes melitus merupakan salah satu penyakit kronis yang prevalensinya terus meningkat di Indonesia, terutama akibat gaya hidup tidak sehat, termasuk konsumsi minuman kemasan tinggi gula. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap penyakit diabetes melalui opini yang diunggah pada platform media sosial Twitter. Metodologi penelitian yang digunakan adalah Knowledge Discovery in Database (KDD). Algoritma yang digunakan adalah Naive Bayes Classifier dengan dua kategori sentimen, yaitu positif dan negatif. Data dikumpulkan menggunakan Twitter API dan diproses melalui tahapan preprocessing, termasuk pembersihan teks, tokenisasi, dan stemming. Data yang semula berjumlah 4802 berkurang setelah dibersihkan menjadi 4369 data yang terdiri dari 2373 tweet label negatif dan 1996 tweet label positif. Pengujian dilakukan berdasarkan empat skenario pembagian data latih dan data uji, yaitu 90:10, 80:20, 70:30, dan 60:40. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen secara efektif dengan akurasi sebesar 81%, precision 80%, recall 81%, dan f-score 80% pada skenario eksperimen 90:10. Temuan ini mengindikasikan bahwa sebagian besar opini masyarakat di Twitter sentimen negatif terhadap diabetes, mencerminkan tingginya kekhawatiran publik terhadap penyakit tersebut. Penelitian ini diharapkan dapat menjadi referensi bagi pihak terkait dalam merancang strategi edukasi dan pencegahan yang lebih tepat sasaran.

Downloads

Download data is not yet available.

References

M. Ardila, D. T. W. S. Humolungo, D. P. Amukti, and A. Akrom, “Promosi Kesehatan Pencegahan dan Pengendalian Diabetes Melitus Pada Remaja,” J. Abdimas Indones., vol. 4, no. 2, pp. 534–540, 2024, doi: 10.53769/jai.v4i2.729.

T. Juniardi and C. A. Sugianto, “ANALISIS SENTIMEN TIM NASIONAL SEPAK BOLA INDONESIA DI TURNAMEN PIALA DUNIA U-17 INDONESIA PADA TWITTER ( X ) MENGGUNAKAN,” vol. 12, no. 3, 2024.

A. R. Hidayat, H. Hanipah, A. Nurjanah, and R. Farizki, “Upaya untuk Mencegah Penyakit Diabetes pada Usia Dini,” J. Forum Kesehat. Media Publ. Kesehat. Ilm., vol. 11, no. 2, pp. 63–69, 2022, doi: 10.52263/jfk.v11i2.229.

A. Syafrudin, D. Valentino, D. Arya, S. Pratama, and R. Pramudya, “Penerapan Metode Content Based Filtering Untuk Rekomendasi Minuman Dengan Kadar Gula Di Supermarket,” pp. 18–21, 2024.

A. Hendra and F. Fitriyani, “Analisis Sentimen Review Halodoc Menggunakan Nai ̈ve Bayes Classifier,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 2, pp. 78–89, 2021, doi: 10.14421/jiska.2021.6.2.78-89.

M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES J. Math., vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm

Rayuwati, Husna Gemasih, and Irma Nizar, “IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID,” Jural Ris. Rumpun Ilmu Tek., vol. 1, no. 1, pp. 38–46, 2022, doi: 10.55606/jurritek.v1i1.127.

R. Merdiansah and A. Ali Ridha, “Sentiment Analysis of Indonesian X Users Regarding Electric Vehicles Using IndoBERT,” J. Ilmu Komput. dan Sist. Inf. (JIKOMSI, vol. 7, no. 1, pp. 221–228, 2024.

I. Widaningrum, D. Mustikasari, R. Arifin, S. L. Tsaqila, and D. Fatmawati, “Algoritma Term Frequency-Inverse Document Frequency (TF-IDF) dan K-Means Clustering Untuk Menentukan Kategori Dokumen,” Pros. Semin. Nas. Sist. Inf. dan Teknol., pp. 145–149, 2022.

D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.

C. Jovanica, D. D. Rahmintaningrum, H. A. Nuradni, and A. Salsabila, “Analisis Pengaruh Aktor Pada Tagar #Roketchina Di Media Sosial Twitter Menggunakan Social Network Analysis (Sna),” J. Ilm. Komun. Makna, vol. 10, no. 1, p. 43, 2022, doi: 10.30659/jikm.v10i1.15644.

D. Alita, “Multiclass SVM Algorithm for Sarcasm Text in Twitter,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 1, pp. 118–128, 2021, doi: 10.35957/jatisi.v8i1.646.

G. Syam, S. Lal, and T. Chen, “Empirical Study of the Evolution of Python Questions on Stack Overflow,” E-Informatica Softw. Eng. J., vol. 17, no. 1, pp. 1–44, 2023, doi: 10.37190/e-Inf230107.

V. Khisanova, “Python libraries and their usage in visualizing meteorological data,” 2022.

L. I. Umayya and I. S. Wardani, “Hubungan Antara Diabetes Melitus Dengan Glaukoma,” J. Med. Hutama, vol. 04, no. 01, pp. 3280–3291, 2023.

Febby Wilyani, Qonaah Nuryan Arif, and Fitri Aslimar, “Pengenalan Dasar Pemrograman Python Dengan Google Colaboratory,” J. Pelayanan dan Pengabdi. Masy. Indones., vol. 3, no. 1, pp. 08–14, 2024, doi: 10.55606/jppmi.v3i1.1087.