Analisis Topic Modelling Terkait Mental Health dan Mental Illness di Media Sosial Twitter Menggunakan Latent Dirichlet Allocation (LDA) (Studi Kasus : Tweet Kesehatan Mental dan Sakit Mental di Media Sosial Twitter)

Abstract

Frekuensi penggunaan media sosial twitter meningkat tajam selama Pandemi Covid-19 berlangsung, terlebih dengan adanya pembatasan pertemuan tatap muka. Gangguan kesehatan mental adalah contoh dampak nyata dari wabah yang berkepanjangan, contohnya adalah rasa cemas yang berlebihan. Kondisi ini memerlukan perhatian khusus, sehingga edukasi terkait kesehatan mental sudah banyak dilakukan di kalangan masyarakat melalui berbagai kanal media sosial. Berdasarkan cuitan pengguna twitter, peneliti ingin menentukan tanggapan masyarakat mengenai kesehatan mental dan hasil analisis topic modelling dari data cuitan terkait topik kesehatan mental di Indonesia. Analisis topic modelling pada penelitian ini menggunakan latent dirichlet allocation dengan data cuitan pengguna Twitter dari 27 November 2021 hingga 28 Februari 2022. Aplikasi Phyton yang telah terhubung pada program API Twitter digunakan pada tahap scraping, selanjutnya pemodelan topik dibantu dengan packages Gensim dan pyLDAvis. Hasil yang didapatkan yaitu topik yang sering muncul pada cuitan antara lain putus menjaga kesehatan fisik dan pikiran, Desember dapat pekerjaan, stres menggangu jiwa dan pikiran, orang tua membuat kita bangkit, jangan membuat hati anak sedih atau sakit, dirumah membuat stress dan gila, stres dan ingin bunuh diri dapat diobati oleh psikiater, emosi dan galau berpengaruh pada fisik, kecemasan pada jasmani dan rohani, serta covid menambah stres dan kecemasan.