Analisis Sentimen Pada Media Sosial X (Twitter) Terhadap Tumor Jinak Payudara Menggunakan Metode Naïve Bayes

Syntha Agung Lestari; Sugiyono

doi:10.35870/jimik.v5i3.1015

Vol. 5 No. 3 (2024) • Articles

Open Access

Analisis Sentimen Pada Media Sosial X (Twitter) Terhadap Tumor Jinak Payudara Menggunakan Metode Naïve Bayes

Syntha Agung Lestari

Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Sugiyono

Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

DOI: https://doi.org/10.35870/jimik.v5i3.1015

Published: September 20, 2024 Pages: 3336-3348

Original Full-Text Article

Download published version for reading and archiving

Download PDF

Abstract

Benign breast tumors are a medical condition that often raises concerns among the public. This research aims to analyze public sentiment towards benign breast tumors via social media Twitter (X) using the Naïve Bayes algorithm. Data was collected from tweets containing keywords related to benign breast tumors within a certain time period. After data pre-processing, including text cleaning and duplication removal, the data was then classified into positive and negative sentiments using the Naïve Bayes algorithm. This research provides insight into public perceptions of benign breast tumors on social media, and emphasizes the importance of more in-depth health education and disseminating accurate information about the condition. It is hoped that the results of this research can become a reference for health practitioners and policy makers in designing more effective health communication strategies.

Keywords:

Sentiment Analysis Benign Breast Tumors Twitter (X) Naïve Bayes

Article Metrics & Downloads Graph

Monthly Download Trends:

Author Biographies

Syntha Agung Lestari Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia.

Sugiyono Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia.

How to Cite

Lestari, S. A., & Sugiyono. (2024). Analisis Sentimen Pada Media Sosial X (Twitter) Terhadap Tumor Jinak Payudara Menggunakan Metode Naïve Bayes. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 5(3), 3336-3348. https://doi.org/10.35870/jimik.v5i3.1015

License

Creative Commons Attribution 4.0 International License (CC BY 4.0)

This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International License .

Share: You are free to copy, distribute, and transmit the work in any medium or format.
Adapt: You are free to remix, transform, and build upon the work for any purpose, even commercially.
Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.

Copyright & Retention: Authors retain copyright without restrictions and grant this journal the right of first publication under an open-access model. The journal retains non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

References

Total: 16 References

Alita, D., & Isnain, A. R. (2020). Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier. Jurnal Komputasi, 8(2), 50-58.
Azzahra, F. N., Rohana, T., Rahmat, R., & Juwita, A. R. (2024). Penerapan Metode Naive Bayes Dalam Klasifikasi Spam SMS Menggunakan Fitur Teks Untuk Mengatasi Ancaman Pada Pengguna. Journal of Information System Research (JOSH), 5(3), 873-880. DOI: https://doi.org/10.47065/josh.v5i3.5070.
Fikri, M. I., Sabrila, T. S., Azhar, Y., & Malang, U. M. (2020). Comparison of the Naïve Bayes Method and Support Vector Machine on Twitter Sentiment Analysis. SMATIKA J. STIKI Inform. J, 10(2), 71-76.
Gultom, F. L., Widyadhari, G., & Gogy, Y. N. (2021). Profil penderita dengan tumor payudara yang dibiopsi di rumah sakit siloam mrccc semanggi pada tahun 2017-2018. Jurnal Kedokteran Universitas Palangka Raya, 9(2), 1342-1346.
Madjid, O. A., Surya, R., Tantry, H. P., & Ocviyanti, D. (2022). Kontrasepsi Hormonal Berbasis Progestin pada Perempuan dengan Riwayat Tumor Jinak Payudara. EJournal Kedokteran Indonesia, 162-7. DOI: https://doi.org/10.23886/ejki.10.96.162-7.

Nanda, R., Dari, S. W., & Ihsan, A. (2019). Segmentasi Citra Medis untuk Deteksi Objek FAM pada Payudara Menggunakan Metode Sobel. Jurnal Media Informatika Budidarma, 3(4), 248-253. DOI: http://dx.doi.org/10.30865/mib.v3i4.1232.
Pamungkas, F. S., & Kharisudin, I. (2021, February). Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 4, pp. 628-634).
Prabowo, W. A., & Wiguna, C. (2021). Sistem informasi UMKM bengkel berbasis web menggunakan metode scrum. Jurnal Media Informatika Budidarma, 5(1), 149-156. DOI: http://dx.doi.org/10.30865/mib.v5i1.2604.
Prasetyo, S. D., Hilabi, S. S., & Nurapriani, F. (2023). Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN. Jurnal KomtekInfo, 1-7. DOI: https://doi.org/10.35134/komtekinfo.v10i1.330.
Pratama, A. Y., & Voutama, A. (2021). Analisis Sentimen Media Sosial Twitter Dengan Algoritma K-Nearest Neighbor Dan Seleksi Fitur Chi-Square (Kasus Omnibus Law Cipta Kerja). J-SAKTI (Jurnal Sains Komputer dan Informatika), 5(2), 897-910. DOI: http://dx.doi.org/10.30645/j-sakti.v5i2.386.
Safira, A., & Hasan, F. N. (2023). Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier. ZONAsi: Jurnal Sistem Informasi, 5(1), 59-70. DOI: https://doi.org/10.31849/zn.v5i1.12856.
Salim, S. S., & Mayary, J. (2020). Analisis Sentimen pengguna Twitter terhadap dompet elektronik dengan metode lexicon based dan k–nearest neighbor. Jurnal Ilmiah Informatika Komputer, 25(1), 1-17. DOI: http://dx.doi.org/10.35760/ik.2020.v25i1.2411.
Sari, P. K., & Suryono, R. R. (2024). Komparasi Algoritma Support Vector Machine Dan Random Forest Untuk Analisis Sentimen Metaverse. Jurnal Mnemonic, 7(1), 31-39. DOI: https://doi.org/10.36040/mnemonic.v7i1.8977.
Septian, J. A., Fachrudin, T. M., & Nugroho, A. (2019). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor. INSYST: Journal of Intelligent System and Computation, 1(1), 43-49. DOI: https://doi.org/10.52985/insyst.v1i1.36.
Syarifuddinn, M. (2020). Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïve Bayes Dan Knn. Inti Nusa Mandiri, 15(1), 23-28. DOI: https://doi.org/10.33480/inti.v15i1.1347.
Utami, N. W., & Artana, M. (2022). Text Mining Dalam Analisis Sentimen Pembelajaran Daring Di Masa Pandemi Covid 19 Menggunakan Algoritma K-Nearest Neighbor. Jurnal Informatika Teknologi dan Sains (Jinteks), 4(2), 140-148. DOI: https://doi.org/10.51401/jinteks.v4i2.2034.