Algoritme tersebut dilatih menggunakan dua basis data yang tersedia untuk umum yang berisi riwayat Twitter dari ribuan pengguna, bersama dengan informasi tentang kesehatan mental mereka.
JERNIH – Para ahli mengklaim bahwa algoritma baru dapat mendeteksi depresi pada pengguna Twitter dengan akurasi hampir 90%. Tim dari Brunel University dan University of Leicester menganalisis 38 poin data khusus dari ribuan profil Twitter yang berbeda.
Analisa ini termasuk hal-hal seperti jenis konten tertentu, kapan tweet dikirim dan kepada siapa. Algoritme tersebut dilatih menggunakan dua basis data yang tersedia untuk umum yang berisi riwayat Twitter dari ribuan pengguna, bersama dengan informasi tentang kesehatan mental mereka.
Salah satunya disusun oleh Universitas Johns Hopkins yang terkenal di AS pada tahun 2015. Delapan puluh persen informasi di setiap database digunakan untuk mengajar bot dan 20% lainnya untuk menguji keakuratannya.
“Kami menguji algoritme pada dua database besar dan membandingkan hasil kami dengan teknik deteksi depresi lainnya,” kata Prof Abdul Sadka, Direktur Institute of Digital Futures Brunel.
“Dalam setiap kasus kami telah berhasil mengungguli teknik yang ada dalam akurasi klasifikasi mereka.”
Bagaimana cara kerjanya?
Bot Twitter buatan bekerja dengan terlebih dahulu mengecualikan semua pengguna dengan kurang dari lima tweet. Kemudian menjalankan profil yang tersisa melalui perangkat lunak bahasa alami untuk mengoreksi kesalahan ejaan dan singkatan.
Kemudian mempertimbangkan 38 faktor berbeda – seperti penggunaan kata-kata positif dan negatif pengguna, jumlah teman dan pengikut yang mereka miliki, dan penggunaan emoji untuk kemudian menentukan kondisi mental dan emosional pengguna tersebut. Saat menggunakan salah satu database yang tersedia – Dataset Depresi Twitter Tsinghua – tim berhasil mencapai akurasi 88,39%.
Sementara di Johns Hopkins satu, mereka berhasil 70,69% bila dibandingkan dengan deteksi depresi yang dianalisis manusia. ‘Apa pun yang di atas 90% dianggap sangat baik dalam pembelajaran mesin. Jadi, 88% untuk salah satu dari dua database itu fantastis,’ kata Prof Sadka.
‘Ini tidak 100% akurat, tetapi saya tidak berpikir pada level ini solusi pembelajaran mesin apa pun dapat mencapai keandalan 100%. Namun, semakin Anda mendekati angka 90%, semakin baik.’
Apa manfaatnya?
Tim mengatakan bahwa sistem seperti itu berpotensi menandai depresi pengguna sebelum mereka memposting sesuatu ke domain publik. Ini berarti platform seperti Twitter dan Facebook dapat secara proaktif menandai masalah kesehatan mental dengan pengguna.
Tetapi bot juga dapat digunakan setelah sebuah postingan dibuat yang memungkinkan pemberi kerja dan bisnis lain untuk menilai kondisi mental pengguna berdasarkan postingan media sosial mereka.
Informasi ini dapat digunakan untuk sejumlah alasan termasuk investigasi kriminal atau seleksi pekerjaan. “Algoritme yang diusulkan adalah platform independen, sehingga juga dapat dengan mudah diperluas ke sistem media sosial lain seperti Facebook atau WhatsApp,” kata Prof Huiyu Zhou, Profesor Pembelajaran Mesin di Universitas Leicester.
Tahap selanjutnya dari penelitian ini adalah menguji validitasnya di lingkungan atau latar belakang yang berbeda, dan yang lebih penting, teknologi yang diangkat dari penyelidikan ini dapat dikembangkan lebih lanjut ke aplikasi lain, seperti e-commerce, pemeriksaan rekrutmen, atau seleksi pegawai.
Penelitian ini telah dipublikasikan di jurnal IEEE Transactions on Affective Computing. [Metro.co.uk]
