DETEKSI DEPRESI PENGGUNA TWITTER INDONESIA MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM) DAN RECURRENT NEURAL NETWORK (RNN)

Perkembangan teknologi saat ini membuat media sosial berkembang semakin pesat, menciptakan keberagaman microblogging sosial, mendorong orang untuk mengekspresikan perasaan dan pendapat mereka kapanpun. Twitter menjadi platform media social dimana pengguna menggunakannya, sebagai sarana berbagi kisah, opini dan aktivitasnya secara luas, dengan mengirimkan cuitan atau tweet sesama pengguna twitter secara realtime. Setiap tweet berisi ekspresi emosional penggunanya, hal ini dapat dijadikan studi kasus dalam mendeteksi kasus depresi dan menilai emosional pengguna twitter. Depresi jangka panjang merupakan kondisi kesehatan serius yang sangat mempengaruhi kemampuan seseorang untuk beraktivitas dalam kehidupan sehari-hari. Penelitian ini bertujuan untuk mengidentifikasikan data tweet depresi pengguna twitter dengan menggunakan gabungan dua arsitektur yaitu Long Short-Term Memory (LSTM) dan Recurrent Neural Network (RNN). Langkah-langkah yang dilakukan meliputi preprocessing, pemodelan, implementasi, dan evaluasi. Dataset yang digunakan “Indonesian Twitter Emotion” yang berasal dari data twitter. Hasil performanya penelitian ini menggunakan penggabungan metode LSTM-RNN. Presisi 86%, recall 86%, dan F1-score 86%, sedangkan akurasinya adalah 86%. Perlu disebutkan bahwa kombinasi parameter memainkan peran besar dalam mengoptimalkan model.