Metode term frequencies untuk penelitian kesehatan di twitter: studi pada tweet berbahasa Indonesia terkait obesitas
Felix Fridom Mailoa(1*), Lutfan Lazuardi(2)
(1) STIKES Papua Sorong
(2) Departemen Kebijakan dan Manajemen Kesehatan, Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan, Universitas Gadjah Mada
(*) Corresponding Author
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.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
- Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) (2016) ‘Statistik Pengguna & Perilaku Pengguna Internet Indonesia’. APJII. Available at: http://www.apjii.or.id/survei2016 Chen, X. et al. (2018) ‘Health Literacy and Use and Trust in Health Information’, Journal of Health Communication. Routledge, 23(8), pp. 724–734. doi: 10.1080/10810730.2018.1511658.
- Chou, W.-Y. S., Prestin, A. and Kunath, S. (2014) ‘Obesity in social media: a mixed methods analysis.’, Translational behavioral medicine, 4(3), pp. 314–23. doi: 10.1007/s13142-014-0256-1.
- Eysenbach, G. (2009b) ‘Infodemioogy and Infovellance. Internet-based syndromic surveillance’, in OAHPP Syndromic Surveillance Workshop. Ontario: Public Health Ontario (PHO) website.
- Harris, J. K. et al. (2014) ‘Communication about childhood obesity on twitter’, American Journal of Public Health, 104(7), pp. 62–69. doi: 10.2105/AJPH.2013.301860.
- Kim, A. R., Park, H. A. and Song, T. M. (2016) ‘Development and Evaluation of an Ontology for Analyzing Social Data’, Stud Health Technol Inform, 225(3), pp. 442–446. doi: 10.3233/978-1-61499-658-3-442.
- So, J. et al. (2016) ‘What Do People Like to “Share” About Obesity? A Content Analysis of Frequent Retweets About Obesity on Twitter.’, Health communication. Routledge, 31(2), pp. 193–206. doi: 10.1080/10410236.2014.940675. Twitter (2017) Twitter Usage. Available at: https://about.twitter.com/company (Accessed: 3 May 2017).
- WHO (2016a) Global Database on Body Mass Index an interactive surveillance tool for monitoring nutrition transition. Available at: http://apps.who.int/bmi/index.jsp (Accessed: 5 May 2017).
- WHO (2016b) Global Health Observatory (GHO) data (Overweight and obesity). Available at: http://www.who.int/gho/ncd/risk_factors/overweight_text/en/ (Accessed: 5 May 2017). WHO (2016c) Obesity and Overweight. Available at: http://www.who.int/mediacentre/factsheets/fs311/en/ (Accessed: 5 May 2017).
DOI: https://doi.org/10.22146/bkm.44884
Article Metrics
Abstract views : 1164 | views : 1856Refbacks
- There are currently no refbacks.
Copyright (c) 2019 Berita Kedokteran Masyarakat
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Berita Kedokteran Masyarakat ISSN 0215-1936 (PRINT), ISSN: 2614-8412 (ONLINE).