Analisis Sentimen Keinginan Bunuh Diri pada Postingan Twitter Menggunakan Algoritma Bidirectional-LSTM dan Hybrid LSTM-CNN

Oleh :
Aji Susanto - M0720074 - Fak. MIPA

Bunuh diri merupakan masalah kesehatan masyarakat yang serius, dengan sekitar 720.000 kematian setiap tahun menurut World Health Organization (WHO). Indonesia mencatat 1.243 kasus bunuh diri pada tahun 2023, menempatkannya di posisi ke-10 terbanyak di Asia Tenggara. Media sosial khususnya Twitter telah menjadi platform utama untuk mengekspresikan keinginan bunuh diri. Mengingat besarnya volume data, diperlukan sistem otomatis untuk mendeteksi keinginan bunuh diri dari sebuah tweet. Algoritma yang digunakan dalam analisis sentimen ini adalah algoritma deep learning, yaitu Bidirectional Long Short Term Memory (BiLSTM) dan Hybrid Long Short Term Memory-Convolutional Neural Network (LSTM-CNN) untuk mendeteksi keinginan bunuh diri dari tweet berbahasa Indonesia. Data diperoleh dari Twitter melalui proses crawling, dilanjutkan dengan text preprocessing untuk membersihkan teksnya. Labeling data dilakukan menggunakan Indonesian Sentiment Lexicon untuk menentukan ada atau tidaknya indikasi bunuh diri. Pelatihan model dioptimalkan dengan hyperparameter tuning. Evaluasi model menunjukkan bahwa BiLSTM lebih unggul dibandingkan Hybrid LSTM-CNN dengan accuracy sebesar 74,25%, recall 83,88%, dan F1-Score 64,67%. BiLSTM memiliki kemampuan lebih baik dalam mendeteksi sampel dan menangkap konteks yang lebih luas melalui pemrosesan dua arah. Hybrid LSTM-CNN, menunjukkan performa yang lebih rendah dengan accuracy 72,11%, recall 78,19%, dan F1-Score 61,17%.