<![CDATA[Media sosial, khususnya platform X, menjadi salah satu sarana masyarakat dalam menyampaikan opini mengenai berbagai isu, termasuk kesehatan mental. Informasi tersebut dapat dimanfaatkan untuk mengetahui persepsi masyarakat melalui analisis sentimen. Penelitian ini bertujuan membandingkan kinerja beberapa algoritma pembelajaran mesin dalam mengklasifikasikan sentimen terhadap isu kesehatan mental pada platform X. Data dikumpulkan menggunakan teknik web crawling berdasarkan kata kunci "kesehatan mental" selama periode 4 April hingga 28 Mei 2025. Pelabelan sentimen dilakukan secara otomatis menggunakan metode VADER (Valence Aware Dictionary and sEntiment Reasoner) sehingga diperoleh 4.906 data yang terdiri atas 3.415 sentimen positif dan 1.491 sentimen negatif. Tahap preprocessing meliputi cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming, kemudian dilakukan ekstraksi fitur menggunakan TF-IDF. Proses klasifikasi dilakukan menggunakan algoritma Support Vector Machine (SVM), Random Forest, Naïve Bayes, dan Logistic Regression dengan pembagian data latih dan data uji sebesar 80:20. Hasil pengujian menunjukkan bahwa algoritma Support Vector Machine (SVM) memberikan kinerja terbaik dibandingkan algoritma lainnya dengan nilai akurasi sebesar 81,57%, presisi 83,29%, recall 81,57%, dan F1-score 79,22%. Hasil penelitian menunjukkan bahwa SVM merupakan algoritma yang paling efektif dalam mengklasifikasikan sentimen terkait isu kesehatan mental pada platform X.]]>
