Rahmawati, Susy (2023) ANALISIS SENTIMEN DETEKSI DEPRESI PADA PENGGUNA TWITTER DENGAN MENGGUNAKAN ALGORITMA RANDOM FOREST DAN EXTREME GRADIENT BOOSTING (XGBOOST). Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (COVER)
18081010048-cover.pdf.pdf Download (948kB) | Preview |
|
|
Text (BAB 1)
18081010048-bab1.pdf.pdf Download (481kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB 2)
18081010048-bab2.pdf.pdf Restricted to Registered users only until 27 January 2026. Download (1MB) |
|
|
Text (BAB 3)
18081010048-bab3.pdf.pdf Restricted to Registered users only until 27 January 2026. Download (1MB) |
|
|
Text (BAB 4)
18081010048-bab4.pdf.pdf Restricted to Registered users only until 27 January 2026. Download (1MB) |
|
|
Text (BAB 5)
18081010048-bab5pdf.pdf Download (469kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
18081010048-daftarpustaka.pdf.pdf Download (740kB) | Preview |
Abstract
Depresi merupakan kondisi dimana seseorang merasa kecewa atau sedih ketika mengalami kegagalan, kehilangan, atau perubahan dan menjadi tidak wajar ketika mengalami ketidakmampuan untuk beradaptasi. Stres kronis dan peristiwa kehidupan yang penuh tekanan di awal kehidupan sangat kuat prediktor proksimal dari timbulnya depresi. Menurut WHO atau yang biasa kita sebut Organisasi Kesehatan Dunia, depresi adalah masalah paling umum keempat di bumi. Kurang lebih 20% perempuan dan 12% laki-laki mengalami depresi di beberapa titik dalam hidup mereka. Diperkirakan kurang lebih 300 juta orang, atau 4,4% populasi dunia, menderita depresi pada tahun 2015 Berdasarkan dari permasalahan yang ada, tugas akhir ini akan mengimplementasikan algoritma klasifikasi untuk mendeteksi depresi pada pengguna Twitter. Ia menggunakan algoritma random forest dan extreme gradient boosting (XGBoost). Kedua algoritma ini diusulkan karena pendekatan dua arah dapat mengekstraksi informasi kontekstual lebih cepat sehingga tidak kehilangan makna dan konteks kalimat. Studi ini diharapkan dapat meningkatkan penyembuhan bagi pengguna media sosial Twitter yang depresi. Berdasarkan hasil penelitian dapat diketahui bahwa Sistem Deteksi Depresi pada pengguna twitter dengan Bahasa Indonesia menggunakan algoritma Random Forest dan algoritma XGBoost. Dapat berhasil mengklasifikasikan data uji tweet berupa klasifikasi dengan keluaran prediksi depresi dan tidak depresi. vi Algoritma Random Forest tanpa SMOTE memiliki performa yang lebih baik dengan nilai accurancy 87% daripada Random Forest menggunakan SMOTE memiliki nilai accurancy 81%. Algoritma XGBoost SMOTE memiliki performa yang lebih baik dengan nilai accurancy 99% daripada algoritma XGBoost tanpa SMOTE nilai accurancy 95%. Metode Oversampling menggunakan Synthetic Minority Over Sampling Technique (SMOTE) tidak dapat diterapkan dialgoritma Random Forest sebab beberapa memiliki akurasi cenderung menurun. Namun algoritma XGBoost memiliki akurasi yang cendrung meningkat setelah menggunakan SMOTE.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Susy Rahma wati | ||||||||||||
| Date Deposited: | 27 Jan 2023 06:20 | ||||||||||||
| Last Modified: | 27 Jan 2023 06:20 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/11832 |
Actions (login required)
 |
View Item |