<![CDATA[Depresi merupakan gangguan mental yang menjadi perhatian global, dengan prevalensi tinggi khususnya di kalangan usia muda. Media sosial seperti Twitter menjadi ruang ekspresi yang potensial dalam mencerminkan kondisi psikologis masyarakat. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen publik terkait isu depresi di Indonesia melalui data Twitter menggunakan dua algoritma pembelajaran mesin, yakni Naïve Bayes dan k-Nearest Neighbours (kNN). Data dikumpulkan melalui proses web scraping terhadap 1.342 tweet, yang kemudian disaring menjadi 873 tweet relevan berbahasa Indonesia. Tahapan analisis meliputi praproses teks, ekstraksi fitur, dan klasifikasi sentimen menjadi tiga kategori: positif, negatif, dan netral. Evaluasi kinerja model dilakukan dengan metrik AUC, akurasi, presisi, recall, F1-score, dan Matthews Correlation Coefficient (MCC). Hasil menunjukkan bahwa algoritma kNN memiliki kinerja unggul dengan akurasi 96,4% dan MCC 0,645, sementara Naïve Bayes mencatatkan AUC tertinggi sebesar 0,985. Distribusi data memperlihatkan dominasi sentimen negatif, mengindikasikan bahwa Twitter kerap digunakan sebagai wadah pelampiasan emosi negatif terkait depresi, terutama di kalangan usia produktif. Temuan ini menegaskan bahwa media sosial berpotensi digunakan sebagai alat skrining awal untuk memantau kesehatan mental masyarakat secara dinamis dan real-time. Implikasi dari studi ini membuka peluang pengembangan sistem pemantauan berbasis kecerdasan buatan untuk mendukung intervensi dini dalam penanganan isu depresi di Indonesia.]]>
