Analisis Sentimen Kesehatan Mental Pemuda di Media Sosial Menggunakan Deep Learning

Abstract

Kesehatan mental merupakan isu yang semakin penting di kalangan pemuda Indonesia, terutama dengan meningkatnya ekspresi emosi negatif seperti stres, kelelahan, dan kecemasan yang sering diungkapkan melalui media sosial. Penelitian ini bertujuan untuk menganalisis sentimen kesehatan mental pemuda menggunakan pendekatan deep learning berbasis Long Short-Term Memory (LSTM) terhadap unggahan publik berbahasa Indonesia di platform X (Twitter). Data dikumpulkan melalui proses web scraping dengan kata kunci yang relevan dan kemudian melalui tahapan pra-pemrosesan, pelabelan manual, serta pembagian data menjadi 80% untuk pelatihan dan 20% untuk pengujian. Model LSTM dibangun dengan arsitektur yang terdiri atas embedding layer, LSTM layer, dropout layer, dense layer, dan output layer beraktivasi Softmax untuk tiga kelas sentimen (positif, negatif, dan netral). Hasil penelitian menunjukkan distribusi sentimen menunjukkan bahwa emosi negatif mendominasi dengan proporsi 45,8%, diikuti oleh sentimen positif sebesar 35,8%, dan netral sebesar 18,4%.Model mampu mencapai akurasi sebesar 87,4% dengan nilai precision dan recall rata-rata sebesar 0,85, yang menandakan kemampuan tinggi dalam mengenali konteks bahasa informal pemuda di media sosial. Analisis distribusi sentimen menunjukkan dominasi emosi negatif yang berkaitan dengan tekanan akademik dan sosial, sementara sentimen positif menggambarkan semangat dan mekanisme adaptasi diri. Temuan ini membuktikan bahwa LSTM efektif untuk deteksi ekspresi emosional berbasis teks serta berpotensi diterapkan sebagai sistem pemantauan digital bagi kesejahteraan mental generasi muda.