Implementasi Lexicon Based dan Algoritma Long Short-Term Memory (LSTM) pada Analisis Sentimen Twitter Terhadap Isu Kesehatan Mental = Implementation of Lexicon Based and Long Short-Term Memory (LSTM) Algorithms in Twitter Sentiment Analysis of Mental Health Issues

Pada Oktober 2021 lalu, Direktorat Jenderal Pencegahan dan Pengendalian Penyakit Kementerian Kesehatan menyatakan bahwa pandemi COVID-19 menyebabkan peningkatan pada kasus gangguan jiwa dan depresi hingga 6,5% di Indonesia. Survei yang dilakukan Perhimpunan Dokter Spesialis Kedokteran Jiwa Indonesia (PDSKJI) pada tahun 2020 menemukan, sebanyak 63 persen responden mengalami cemas dan 66 persen responden mengalami depresi akibat pandemi COVID-19. Pengetahuan dan sikap dalam penanganan yang tepat merupakan peran penting dalam menangani isu mental health. Berbagai opini masyarakat tentang isu mental health seringkali mereka tuangkan lewat media sosial, salah satunya media sosial twitter. Tidak bisa dipungkiri penyampaian pesan dalam media sosial terutama di twitter akan sangat cepat mendapatkan feedback dari khalayak dan tentu saja menimbulkan opini publik, sehingga dapat dibuat analisis sentimen tentang opini masyarakat terhadap isu mental health di Indonesia. Penelitian ini dilakukan untuk melihat kecenderungan sentimen, apakah sentiment tersebut cenderung positif atau negatif dengan menganalisis tweets dari pengguna Twitter mengenai mental health. Metode yang digunakan pada penelitian ini adalah Lexicon Based yang bertujuan untuk mengambil kata-kata yang mengandung sentiment dan Long Short-Term Memory (LSTM) sebagai algortima untuk melakukan klasifikasi sentiment. Hasil penelitian menunjukkan bahwa akurasi yang dihasilkan oleh algoritma LSTM adalah 0.95 atau 95% dengan nilai presisi yang baik pada semua kelas yaitu negatif, netral dan positif secara berurutan sebesar 1.00, 0.92 dan 0.97. Nilai recall juga menunjukkan hasil yang baik untuk kelas netral dan positif masing-masing yaitu 1.00 dan 0.97 sementara pada kelas negatif kurang baik yaitu 0.22. Pada nilai F1-Score untuk kelas negatif, netral dan positif masing-masing yaitu 0.36, 0.96 dan 0.97. Hal ini menunjukkan bahwa algoritma LSTM (Long Short-Term Memory) sangat baik untuk mengklasifikasikan sentimen.

Keywords : Long Short-Term Memory, LSTM, Mental Health, Deep Learning