Analisis Kesehatan Mental Pada Pengguna Twitter Menggunakan Algoritma K-Means Clustering

Latar Belakang: Analisis kesehatan mental pada Twitter dengan menggunakan algoritma K-Means Clustering adalah analisis untuk mengelompokkan tweet berdasarkan kesamaan topik atau tema terkait kesehatan mental. Metode ini membantu mengidentifikasi tingkat kesadaran serta topik pembicaaran masyarakat terkait kesehatan mental pada Twitter dewasa ini.
Tujuan: Analisis ini berperan dalam meningkatkan kesadaran masyarakat terkait pentingnya kesehatan mental serta menguji keefektifan penggunaan algoritma KMeans clustering.
Metode Penelitian: Penelitian ini diawali dengan proses data crawling pada twitter. Selanjutnya dilakukan proses pre-processing yaitu proses pembersihan data agar mudah untuk dianalisis. Proses selanjutnya adalah proses K-Means clustering yaitu pengelompokan data kedalam cluster menggunakan elbow. Selanjutnya data ditampilkan dalam wordcloud dan chart guna dianalisis pada tiap cluster data.
Hasil: Dengan menerapkan algoritma K-Means clustering pada data kesehatan mental, data berhasil diidentifikasi menjadi empat cluster. Pada cluster 0 terdapat indikasi hubungan toxic. Pada cluster 1 terdapat indikasi sulitnya mengatur waktu untuk pekerjaan dan keluarga. Pada cluster 2 terdapat indikasi tindakan bunuh diri. Cluster 3 adalah cluster paling optimal karena memiliki jumlah data terbanyak yaitu
81.8% data membahas tentang pentingnya menjaga kesehatan dilingkungan kerja, serta lebih memperhatikan lagi untuk menjaga kesehatan baik fisik maupun mental terutama ibu dan anak dengan dibarengi sikap saling tolong menolong antar sesama.
Kesimpulan: Analisis kesehatan mental pada Twitter menggunakan algoritma kmeans clustering telah berhasil dilakukan dan dapat berfungsi sebagaimana mestinya, dari analisis yang telah dilakukan, dapat disimpulkan bahwa sudah
banyak masyarakat Indonesia yang telah mengerti pentingnya kesehatan mental.