Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI)
Ivan Dwi Nugraha
Universitas Muhammadiyah Malang
Computer Science & IT Education Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Depresi Pengguna Twitter Indonesia Menggunakan LSTM-RNN Ivan Dwi Nugraha; Yufis Azhar
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 3 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i3.50674

Abstract

Perkembangan media sosial yang semakin pesat, menciptakan keberagaman microblogging sosial, mendorong orang untuk mengekspresikan perasaan dan pendapat, Setiap tweet pada twitter mewakili ekspresi emosional penggunanya, hal ini dapat dijadikan studi kasus dalam mendeteksi kasus depresi dan menilai emosional pengguna twitter. Deteksi dan pencegahan depresi sangat sulit untuk dideteksi dan telah menjadi topik penelitian yang sangat menarik untuk diteliti sejak dekade terakhir. Beberapa penelitian yang berkaitan dengan twitter untuk mendeteksi pengguna media sosial yang mengalami depresi. Salah satu penelitian deteksi depresi melalui twitter menyimpulkan bahwa adanya korelasi antara keadaan depresi pengguna twitter terhadap sentiment yang mereka tweet menggambarkan keadaan depresi pengguna tersebut. Tujuan penelitian ini penelitian kami adalah untuk mengembangkan dan mengoptimalkan penelitian sebelumnya menggunakan metode yang berbeda yakni LSTM-RNN, dan mendeteksi depresi pada tweet twitter indonesia. Dataset yang digunakan berjumlah 5.494 baris tweet, dimana data kelas normal berjumlah 2.747 baris tweet dan data depresi berjumlah 2.747 baris tweet setelah dilakukan balancing data, dataset sebelum digunakan data dilakukan proses preprocessing terlebih dahulu sebelum masuk ke proses pelatihan. Hasil dari penelitian dengan menggunakan metode LSTM-RNN memperoleh nilai presisi, recall, dan F1-score diperoleh masing-masing 86%, 86%, dan 86%, sedangkan akurasinya adalah 86%. Sistem deteksi ujaran depresi diharapkan dapat membantu menganalisa depresi masyarakat di media sosial.
Co-Authors Yufis Azhar