Klasifikasi Gejala Depresi pada Teks Postingan Reddit dengan Pendekatan XGBoost dan Random Forest

Shevrilla Vilnafa Bilbina S., Dr. Sigit Priyanta, S.Si., M.Kom.

2026 | Skripsi | ILMU KOMPUTER

Perkembangan zaman yang semakin maju dan meningkatnya beban tanggung jawab hidup membuat banyak individu mengalami tekanan psikologis yang berpotensi memicu munculnya gangguan mental, termasuk depresi. Depresi, gangguan mental umum dan serius, mempengaruhi lebih dari 264 juta orang di seluruh dunia, mengakibatkan berbagai masalah emosional dan fisik, serta meningkatkan risiko bunuh diri. Sering kali, depresi tidak disadari oleh penderita maupun orang-orang di sekitarnya, terutama karena gejala awalnya sering dianggap sepele. Di era digital saat ini, banyak individu mencurahkan perasaan mereka di media sosial, yang bisa menjadi tanda awal depresi. Mengingat pentingnya deteksi dini, pendekatan machine learning dinilai mampu meningkatkan akurasi dalam mengidentifikasi dan memprediksi gangguan mental melalui analisis pola data secara otomatis (Islam et al.). Fitur yang dimanfaatkan adalah n-gram, TF-IDF, dan Word2Vec, serta model machine learning Random Forest dan XGBoost. Untuk dataset latih, pengambilan data dilakukan dari website Kaggle. Data tersebut terdiri dari postingan berbahasa Inggris yang diambil dari platform diskusi Reddit. Dari proses ekstraksi fitur, dapat ditunjukkan kata “depression” sebagai yang paling penting, diikuti oleh “feel”, “life”, dan “anxiety”. Sedangkan, dari hasil model eksperimen yang telah dilakukan, model Random Forest dan XGBoost menunjukkan nilai recall tertinggi mencapai 96% menggunakan fitur unigram dan TF-IDF.

As the world continues to advance and the burden of life responsibilities increases, many individuals experience psychological pressure that may trigger mental disorders, including depression. Depression is a common yet serious mental disorder that affects more than 264 million people worldwide, causing various emotional and physical problems and increasing the risk of suicide. Often, depression goes unnoticed by both sufferers and those around them, as its early symptoms are frequently considered trivial. In today’s digital era, many individuals express their feelings through social media, which can serve as an early indicator of depression. Given the importance of early detection, machine learning approaches are considered capable of improving accuracy in identifying and predicting mental disorders through automatic pattern analysis (Islam et al.). The features utilized in this study include n-gram, TF-IDF, and Word2Vec, while the machine learning models applied are Random Forest and XGBoost. The training dataset was collected from Kaggle, consisting of English-language posts gathered from the discussion platform Reddit. The feature extraction process revealed that the word “depression” was the most significant, followed by “feel,” “life,” and “anxiety.” Meanwhile, the experimental results showed that the Random Forest and XGBoost models achieved the highest recall score of 96% using unigram and TF-IDF features.

Kata Kunci : Natural Language Processing (NLP), Depresi, TF-IDF, Word2Vec, n-gram, Reddit.