Implementasi Adaptive Synthetic Bernoulli Naïve Bayes untuk Mengatasi Imbalance Class Data pada Kasus Mental Health di Indonesia

Implementation of Adaptive Synthetic Bernoulli Naïve Bayes to Overcome Class Data Imbalance in Mental Health Cases in Indonesia

Abstract

Kesehatan mental merupakan sebuah kondisi dimana individu terbebas dari segala bentuk gejala-gejala gangguan mental. Menurut Riset Kesehatan Dasar (Riskesdas) tahun 2018 oleh Kementerian Kesehatan, sekitar 9,8% atau sekitar 26 juta dari 267 juta jiwa di Indonesia hidup dengan “gangguan mental emosional” atau kondisi Gangguan kesehatan jiwa. Kesehatan mental (mental health) kini telah menjadi isu yang popular dan menjadi trending topic di berbagai kalangan. Masyarakat Indonesia biasanya menyampaikan pendapatnya mengenai suatu isu melalui media sosial. Salah satu platform jejaring sosial yang bisa dipakai untuk menyampaikan pendapat adalah aplikasi twitter. Metode yang dapat digunakan untuk melihat pendapat atau kecenderungan opini terhadap suatu isu adalah analisis sentimen. Sentimen masyarakat Indonesia mengenai kesehatan mental cenderung negatif sehingga memunculkan permasalahan imbalanced class data. Penelitian ini bertujuan untuk mengetahui respon masyarakat di Indonesia mengenai isu kesehatan mental. Analisis dilakukan menggunakan metode Bernoulli Naïve Bayes dengan pendekatan Adaptive Synthetic (ADASYN). Algoritma Bernoulli naïve bayes digunakan untuk menentukan apakah tweet tersebut bersentimen positif atau negatif. ADASYN digunakan agar proporsi kelas pada dataset menjadi seimbang, sehingga model machine learning yang dibangun tidak cenderung mengklasifikasi suatu pendapat/komentar ke kelas mayoritas. Performa model machine learning pada algoritma Bernoulli Naïve Bayes setelah diterapkan ADASYN menghasilkan nilai akurasi yang sangat baik yaitu sebesar 93%.