Komparasi Algoritma Naïve Bayes Classifier, K- Nearest Neighbor, Dan Decision Tree Untuk Menganalisis Sentimen Masyarakat Terhadap Kesehatan Mental Pada Media Sosial Twitter

Twitter adalah platform media sosial paling populer di internet dan menawarkan kesempatan kepada pengguna untuk mengekspresikan pendapat mereka tentang berbagai topik, termasuk berita, peristiwa terkini, kabaret, dan topik lainnya. Salah satunya adalah opini Kesehatan mental. Namun, ada banyak opini yang berbeda di Twitter dari pengguna internet yang berbeda, Oleh karena itu, perlu dilakukan analisis dasar mengenai opini publik untuk menjelaskan dan memberikan informasi baru mengenai topik tertentu yang berkaitan dengan kesehatan mental, metode yang digunakan adalah algoritma Naïve Bayes Classifier dan K-Nearest Neighbors (K-NN) dan Decision Tree. Sebanyak 5000 data yang diambil menggunakan API twitter dengan kata kunci “Kesehatan Mental”. Dimulai dari klasifikasi opini positif atau negatif, data cleansing, preprocessing, hingga didapatkan hasil akhir. Kemudian dikalkulasikan ke dalam dua algoritma yang berbeda untuk dibandingkan, algoritma yang digunakan yaitu Naïve Bayes Classifier dan K-Nearest Neighbors (K-NN) dan Decision Tree dengan tujuan menemukan akurasi terbaik. Hasil tertinggi dari penelitian ini adalah algoritma Nïve Bayes dengan nilai accuracy 98,3%, precision 79% dan recall 87,17%.