Analisis Sentimen Mental Health Mahasiswa Terhadap Kehidupan Laboratorium di Universitas Muslim Indonesia dengan Pendekatan Naïve Bayes Classifier dan K-Nearest Neighbor

Abstract

Mental health adalah kesejahteraan emosional, psikologis, dan sosial seseorang yang berkaitan dengan cara seseorang berpikir, merasa, dan berperilaku, serta kemampuannya mengatasi stres, menjaga hubungan yang sehat, dan menghadapi tantangan secara positif. Aktifitas di laboratorium sering kali memerlukan waktu dan energi yang cukup banyak, yang dapat meningkatkan tekanan pada mahasiswa dan bisa berdampak pada kesehatan mental mereka. Penelitian ini bertujuan menganalisis sentimen mahasiswa terhadap mental health dalam kehidupan laboratorium dengan menggunakan pendekatan Naïve Bayes Classifier dan K-Nearest Neighbor. Penelitian ini menggunakan beberapa teknik pelabelan, yaitu pelabelan manual dan pelabelan menggunkan NLTK, serta pelatihan dengan 5-fold cross-validation dan penggunaan unigram tokenizing. Hasil penelitian menunjukkan bahwa pelabelan manual dengan pendekatan Naïve Bayes Classifier sedikit lebih unggul dengan tingkat akurasi sebesar 95.58%, presisi sebesar 95.60%, dan recall sebesar 95.54% dibandingkan dengan pendekan K-Nearest Neighbor yang menghasilkan tingkat akurasi 91.66%, presisi 91.83% dan recall 91.49%. Sementara itu, pelabelan menggunakan NLTK dengan pendekatan Naïve Bayes Classifier menghasilkan akurasi tertinggi sebesar 94.11%, presisi 94.05%, dan recall 94.22% dibandingkan dengan pendekatan K-Nearest Neighbor yang memiliki akurasi 90.68%, presisi 90.88%, dan recall 91.01%. Dari hasil pengujian, dapat disimpulkan bahwa pendekatan Naïve Bayes Classifier memberikan hasil yang lebih baik dengan mengklasifikasikan sentimen mahasiswa terkait mental health di kehidupan laboratoriom, dengan pelabelan manual memberikan performa terbaik