PERBANDINGAN ALGORITMA MULTINOMIAL NAÏVE BAYES DAN RANDOM FOREST PADA KLASIFIKASI SENTIMEN KESEHATAN MENTAL

• DINA HERMALIA
• 2025

---

Penelitian ini bertujuan untuk membandingkan performa dua algoritma machine learning, yaitu Multinomial Naïve Bayes dan Random Forest, dalam mengklasifikasikan sentimen pada teks media sosial yang berkaitan dengan isu kesehatan mental. Dataset yang digunakan berasal dari platform Kaggle, terdiri atas dua kelas, yaitu kelas 0 (teks tanpa indikasi gangguan mental) dan kelas 1 (teks dengan indikasi gangguan mental seperti anxiety atau depression). Fitur teks diekstraksi menggunakan metode TF-IDF, dan evaluasi dilakukan menggunakan metrik akurasi, precision, recall, F1-score, serta ROC-AUC. Hasil evaluasi menunjukkan bahwa algoritma Multinomial Naïve Bayes memperoleh akurasi 93,5%, dengan precision pada kelas 1 sebesar 100% namun recall rendah sebesar 37,7%. Sementara itu, Random Forest menunjukkan hasil lebih unggul dengan akurasi 98,9%, precision 97,8%, dan recall 91,8% pada kelas 1. Berdasarkan temuan ini, Random Forest terbukti lebih andal dalam menangani data tidak seimbang serta lebih efektif dalam mendeteksi indikasi gangguan mental pada teks media sosial.

• algoritma multinomial naïve bayes
• random forest
• klasifikasi sentimen kesehatan mental

https://repository.bsi.ac.id/repo/70386/PERBANDINGAN-ALGORITMA-MULTINOMIAL-NAÏVE-BAYES-DAN-RANDOM-FOREST-PADA-KLASIFIKASI-SENTIMEN-KESEHATAN-MENTAL
Anda dapat membaca file tugas akhir ini di repository.