Deteksi Depresi di Media Sosial Twitter Menggunakan Gated Recurrent Unit
ALFRANSIS PERUGIA BENNYBENG HOLLE

Informasi Umum

Kode

23.04.6541

Klasifikasi

004 - Data processing, Computer science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science, Media Sosial,

Dilihat

20 kali

Informasi Lainnya

Abstraksi

<p><a name="_Hlk139359445">Dalam era modern ini, kemajuan teknologi telah memberikan dampak besar pada masyarakat, terutama dalam penggunaan media sosial. Salah satu platform media sosial yang terkenal adalah Twitter, di mana orang dapat berbagi momen, pemikiran, dan status mereka. Namun, sejak munculnya pandemi COVID-19, penggunaan Twitter mengalami peningkatan, dan beberapa pengguna mulai menunjukkan tanda-tanda depresi. Kondisi depresi memerlukan sarana untuk mengekspresikan emosi yang dapat membantu pengguna menghadapinya. Dengan menggunakan metode <em>GRU</em> dan fitur ekstraksi <em>Word2Vec</em>, kami telah mengembangkan sistem pendeteksi depresi yang dapat menganalisis postingan pengguna Twitter dan mengidentifikasi kemungkinan adanya gejala depresi. Dataset yang kami gunakan dalam penelitian ini berasal dari 165 responden yang setuju untuk menggunakan data Twitter pribadi mereka dan mengisi kuesioner berdasarkan <em>Depression Anxiety and Stress Scales-42</em> (DASS-42). Hasil kuesioner digunakan sebagai label untuk diproses dalam ekstraksi fitur Word2Vec, dan kemudian dimasukkan ke dalam model <em>GRU</em>. Evaluasi yang kami lakukan menunjukkan akurasi sebesar 57,58% dan f1-score sebesar 56,25%. Dengan menggunakan <em>layer bidirectional</em>, kami berharap dapat meningkatkan nilai presisi, recall, dan f1-score.</a></p>

<p> </p>

<p><strong>Kata kunci : </strong><a name="_Hlk139359546">dataset, depresi, evaluasi, GRU, twitter</a></p>

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook