Metode term frequencies untuk penelitian kesehatan di twitter: studi pada tweet berbahasa Indonesia terkait obesitas

Abstract

Tujuan: Penelitian ini bertujuan mengidentifikasi frekuensi penggunaan kata pada tweet berbahasa Indonesia terkait Obesitas di Twitter. Metode: Jenis penelitian adalah Deskriptif dengan menggunakan data Twitter selama 5 tahun (2012-2017) dari hasil webscraping menggunakan keyword “obesitas” OR “gemuk” OR “kegemukan” OR “gendut” OR “kegendutan” yang berjumlah 67.942 tweet. Kemudian dilakukan proses cleaning dan menghasilkan sampel sebanyak 43.436 data untuk fase praproses. Data dianalisis menggunakan Python 3.7.2 dan R. Studio 3.5.2 untuk visualisasi wordcloud. Hasil: Analisis terhadap frekuensi penggunaan kata (term frequencies) menunjukan bahwa terdapat 4.050 jenis kata yang muncul dengan urutan 18 (delapan belas) teratas meliputi kata: “gemuk” (33.851), “gendut”  (10.159), “makan” (8.721), “orang” (5.737), “status” (2.806), “obesitas” (2.799), “badan” (2.450), “perempuan” (2.189), “suka” (1.908), “kena” (1.544), “anak” (1.302), “hati” (1.256), “salah” (1.225), “berat” (1.205), “takut” (1.127), “diet” (1.105), “lelaki” (1.014) dan “tidur” (1.004). Hasil klasifikasi term frequencies tersebut berdasarkan kajian ontologi, terbagi kedalam 5 superkelas yaitu: superkelas “Tipe Obesitas” yaitu sebanyak 53.270 kali, diikuti “Faktor Risiko” yaitu 15.633 kali. Selanjutnya diikuti oleh “Konsekuensi Obesitas” sebanyak 7.281 kali lalu ada “Simptom dan Komplikasi” sebanyak 1.127 kali dan yang terakhir adanya kelompok lain yang belum dapat diklasifikasikan yaitu 4.359 kali. Simpulan: Term frequencies pada tweet berbahasa Indonesia terkait obesitas di Twitter lebih didominasi oleh jenis kata yang menggambarkan tipe obesitas, faktor risiko obesitas, konsekuensi obesitas serta simptom dan komplikasi obesitas. Kata maupun superkelas yang muncul dalam penelitian ini dapat digunakan untuk pengembangan keyword penelitian obesitas yang selanjutnya. Penerapan metode term frequencies kedalam penelitian kesehatan di Twitter akan membantu menyediakan pilihan kata kunci (keywords) untuk penelitian-penelitian dimasa akan datang.