<![CDATA[Penelitian ini fokus pada analisis sentimen data media sosial menggunakan bahasa pemrograman Python. Dua tahap preprocessing, seleksi, dan transformasi data, diterapkan untuk membentuk struktur data yang lebih terorganisir. Namun, penelitian juga menganjurkan perbandingan dengan metode klasifikasi lain, seperti Naïve Bayes di Python, yang melibatkan empat tahap preprocessing: Normalisasi, Stopword, Tokenize, dan Stemming. Hasil analisis sentimen menyoroti dampak negatif pada kesehatan mental mahasiswa, terutama terkait dengan tweets negatif yang dominan. Temuan ini menggambarkan pengaruh besar media sosial terhadap kesehatan mental individu. Implikasinya memberikan pemahaman lebih mendalam tentang dinamika interaksi sosial di dunia digital dan risikonya terhadap kesejahteraan psikologis. Penelitian ini membahas pentingnya analisis sentimen dalam konteks media sosial menggunakan Python. Hasilnya menggambarkan urgensi pemahaman terhadap dampak kesehatan mental di kalangan mahasiswa akibat interaksi negatif di dunia maya. Implikasinya dapat menjadi dasar bagi tindakan pencegahan dan pemahaman lebih lanjut tentang peran media sosial dalam kesejahteraan mental]]>
