<![CDATA[Penelitian ini mengusulkan arsitektur klasifikasi teks hybrid untuk mendeteksi tanda-tanda gangguan kesehatan mental pada postingan media sosial Reddit. Arsitektur yang diusulkan mengintegrasikan representasi kontekstual dari model BERT (Bidirectional Encoder Representations from Transformers) dengan 14 fitur emosi berbasis leksikon dari VADER dan NRC EmoLex menjadi vektor hybrid berdimensi 832 melalui mekanisme concatenation. Model dilatih menggunakan Focal Loss untuk menangani ketidakseimbangan kelas dan hiperparameter dioptimalkan menggunakan algoritma TPE (Tree-structured Parzen Estimator) melalui kerangka Optuna. Evaluasi dilakukan melalui studi ablasi terhadap tujuh arsitektur komparatif pada dataset Reddit yang mencakup lima kelas gangguan: ADHD, OCD, Aspergers, Depression, dan PTSD. Hasil pengujian menunjukkan model Hybrid BERT+Lexicon yang diusulkan mencapai Weighted F1-Score 0,8643 (akurasi 86,41%), melampaui model leksikon murni secara masif (terbaik: Lexicon-Only, F1 0,3800) dan konsisten lebih baik dari BERT-Only (F1 0,8637). Studi ablasi membuktikan fitur BERT sebagai komponen paling determinan, sementara fitur leksikon memberikan kontribusi per-kelas: VADER pada deteksi Depression dan emosi Fear NRC EmoLex pada deteksi PTSD.]]>
Copyrights © 2026
