Analisis Persamaan Tweet Demam Berdarah pada Media Sosial X Berdasarkan Informasi dari Aplikasi Alodokter Menggunakan TF-IDF dan SVM

Aurelia, A. Talitha Rezky (2025) Analisis Persamaan Tweet Demam Berdarah pada Media Sosial X Berdasarkan Informasi dari Aplikasi Alodokter Menggunakan TF-IDF dan SVM. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026211161-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Perkembangan teknologi informasi telah mengubah berbagai aspek kehidupan, terutama dalam bidang kesehatan. Aplikasi kesehatan dan media sosial kini menjadi sumber informasi utama bagi masyarakat. tugas akhir ini bertujuan untuk menganalisis informasi terkait demam berdarah yang disediakan oleh aplikasi kesehatan Alodokter dan aplikasi media sosial X menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF) dan Support Vector Machine (SVM). Analisis dilakukan untuk memahami preferensi pengguna dalam mencari informasi tentang demam berdarah dan mengevaluasi keakuratan informasi yang disediakan oleh aplikasi X dibandingkan dengan Alodokter. Hasil tugas akhir ini diharapkan dapat membantu meningkatkan akurasi informasi kesehatan yang diperoleh masyarakat melalui platform digital. Hasil tugas akhir menunjukkan bahwa aplikasi kesehatan Alodokter dan aplikasi media sosial X memiliki perbedaan signifikan dalam penyampaian informasi terkait demam berdarah. Analisis menggunakan metode TF-IDF mengungkapkan bahwa kata kunci dalam informasi Alodokter lebih terstruktur dan berbasis data medis valid, sementara informasi dari media sosial X lebih bervariasi dan dipengaruhi opini pengguna. Setelah menerapkan model SVM untuk mengklasifikasikan pertanyaan dari media sosial X, diperoleh akurasi prediksi yang sangat tinggi, mencapai 88.47%. Ini menunjukkan bahwa model SVM efektif dalam mengenali pola data dan dapat diandalkan untuk prediksi label pada data baru. Analisis juga menunjukkan bahwa informasi dari Alodokter memiliki tingkat keakuratan yang lebih tinggi dibandingkan dengan aplikasi media sosial X, yang penting mengingat masyarakat sering mengandalkan informasi digital untuk pengambilan keputusan kesehatan. Dengan demikian, hasil tugas akhir ini diharapkan dapat meningkatkan akurasi informasi kesehatan yang diperoleh masyarakat melalui platform digital secara akurat.
=========================================================================================================================================
The advancement of information technology has significantly transformed various aspects of life, especially in the field of health. Health applications and social media have become primary sources of information for the public. This study aims to analyze information related to dengue fever provided by the health application Alodokter and the social media application X using Term Frequency Inverse Document Frequency (TF-IDF) and Support Vector Machine (SVM) methods. The analysis was conducted to understand user preferences in seeking information about dengue fever and to evaluate the accuracy of information provided by the X application compared to Alodokter. The results of this study are expected to help improve the accuracy of health information obtained by the public through digital platforms. The results indicate that the health application Alodokter and the social media application X exhibit significant differences in delivering information related to dengue fever. Analysis using the TF-IDF method reveals that the keywords in Alodokter's information are more structured and based on valid medical data, while the information from social media X is more varied and influenced by user opinions. After applying the SVM model to classify questions from social media X, a very high prediction accuracy of 88.47% was achieved. This demonstrates that the SVM model is effective in recognizing data patterns and can be relied upon for predicting labels on new data. Furthermore, the analysis shows that the information from Alodokter has a higher accuracy level compared to that from the social media application X, which is crucial considering that the public often relies on digital information for health-related decision making. As a result, the findings of this research are expected to enhance the accuracy of health information obtained by the public through digital platforms.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Demam berdarah, Term Frequency Inverse Document Frequency, Support Vector Machine, Media sosial, Aplikasi kesehatan, X, Alodokter, Dengue fever, Social media, Health application
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	A Talitha Rezky Aurelia
Date Deposited:	23 Jul 2025 04:07
Last Modified:	23 Jul 2025 04:07
URI:	http://repository.its.ac.id/id/eprint/120837

Actions (login required)

View Item