<![CDATA[Depresi mereupakan isu kesehatan mental krusial pada remaja, di mana stigma sosial mendorong ekspresi emosional secara daring. Penelitian ini bertujuan melakukan studi komparatif antara algoritma Naïve Bayes (NB) dan Random Forest (RF) untuk mengidentifikasi model klasifikasi yang paling efektif dalam deteksi depresi berbasis teks. Data dikumpulkan melalui Twitter API (N = 100 pengguna) dengan prapemrosesan seperti normalisasi slang dan penanganan negasi, kemudian diubah menjadi vektor menggunakan TF-IDF. Hasil menunjukkan Random Forest mencapai akurasi 90%, mengungguli Naïve Bayes yang mencatat akurasi 80%. RF menunjukkan kinerja superior pada metrik diagnostik dengan F1-Score 89,3%, sementara NB memiliki Recall tinggi namun rentan terhadap False Positive. Random Forest direkomendasikan untuk sistem deteksi dini karena stabilitas akurasi dan presisi yang tinggi dalam menangani data teks media sosial yang tidak terstruktur.]]>
Copyrights © 2026
