<![CDATA[Penelitian ini bertujuan untuk mengidentifikasi pola pembicaraan yang mencerminkan gejala depresi pada media sosial X dengan menerapkan metode association rule mining. Dengan meningkatnya penggunaan media sosial sebagai wadah ekspresi emosional, studi ini berupaya mengungkap hubungan antar kata yang sering muncul bersamaan dalam konteks depresi. Penelitian ini menggunakan pendekatan Knowledge Discovery in Database (KDD) yang mencakup tahapan seleksi data, pre-processing, transformasi data, data mining, interpretasi hasil, dan validasi pakar. Data dikumpulkan melalui tools Tweet Harvest dengan kata kunci seperti “capek”, “sedih”, “stress”, “sengsara”, “lelah”, “gelisah” dan “putus asa”, menghasilkan 21.020 tweet, yang kemudian diproses dan dianalisis menggunakan algoritma Apriori dan FP-Growth. Hasilnya menunjukkan 12 aturan asosiasi yang menggambarkan ekspresi emosi negatif dengan intensitas tinggi, seperti asosiasi antara “hidup” dan “sengsara” serta “sedih” dan “banget”, yang mencerminkan fokus pada diri sendiri, kelelahan emosional, dan persepsi negatif terhadap hidup sebagai indikasi umum dari depresi. Validasi pakar mengonfirmasi bahwa pola-pola tersebut memiliki relevansi klinis. Apriori terbukti lebih efisien dari segi waktu dan penggunaan memori dibanding FP-Growth. Temuan ini menunjukkan bahwa pola bahasa di media sosial dapat menjadi indikator dini gejala depresi.]]>
Copyrights © 2025
