Abstract:
Kesehatan mental merupakan isu yang semakin banyak dibicarakan di media sosial,
khususnya pada platform X, sehingga menghasilkan data opini masyarakat dalam
jumlah besar. Data teks tersebut bersifat tidak terstruktur sehingga memerlukan
metode analisis otomatis untuk mengidentifikasi kecenderungan sentimen publik.
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap isu
kesehatan mental di media sosial X menggunakan algoritma Naïve Bayes serta
mengimplementasikannya dalam sistem berbasis website. Dataset yang digunakan
berjumlah 9.000 tweet berbahasa Indonesia yang dikumpulkan menggunakan
beberapa kata kunci terkait kesehatan mental. Data kemudian diproses melalui
tahapan text preprocessing yang meliputi cleaning, case folding, normalisasi kata,
tokenizing, stopword removal, dan stemming, kemudian dilakukan pembobotan
kata menggunakan metode TF-IDF sebelum proses klasifikasi dengan algoritma
Naïve Bayes. Hasil klasifikasi selanjutnya dievaluasi menggunakan confusion
matrix untuk mengetahui kinerja model. Penelitian ini menghasilkan sistem analisis
sentimen yang mampu mengklasifikasikan opini masyarakat menjadi sentimen
positif dan negatif secara otomatis sehingga dapat memberikan gambaran mengenai
persepsi publik terhadap isu kesehatan mental di media sosial.
