Klasifikasi Hybrid Kecemasan Pengguna X Menggunakan Random Forest, SMOTE, dan Fitur Temporal
DOI:
https://doi.org/10.25077/TEKNOSI.v12i2.2026.242-250Kata Kunci:
Kecemasan, Hybrid Classifier, Random Forest, SMOTE, Fitur TemporalAbstrak
Pengungkapan indikasi kecemasan di media sosial X kerap terselubung dalam bahasa implisit (covert anxiety), sehingga pendekatan klasifikasi berbasis konten teks tunggal sering kali gagal menangkap konteks psikologis secara utuh serta rentan mengalami bias akibat ketidakseimbangan kelas data. Penelitian ini bertujuan untuk membangun model klasifikasi hybrid yang mengintegrasikan fitur linguistik dan indikator perilaku temporal guna meningkatkan sensitivitas deteksi kecemasan. Metodologi dijalankan secara bertahap mulai dari pra-pemrosesan data, ekstraksi fitur tekstual berbasis TF-IDF, serta pembentukan variabel biner temporal is_night (rentang jam 00:00-04:00 WIB). Kedua modalitas fitur digabungkan melalui skema early fusion (concatenation) menjadi vektor hybrid tunggal, yang kemudian diseimbangkan menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) sebelum dilatih menggunakan algoritma Random Forest. Hasil eksperimen menunjukkan bahwa arsitektur hybrid berhasil mencapai tingkat akurasi sebesar 76,83% dengan performa Recall kelas netral sebesar 0,85. Analisis feature importance membuktikan bahwa variabel is_night secara empiris menjadi salah satu prediktor kunci yang memvalidasi korelasi klinis insomnia digital (skala DASS-21) dengan kecemasan. Kesimpulannya, penggabungan metadata waktu terbukti efektif melengkapi analisis teks dalam memperkuat interpretasi konteks perilaku pada sistem deteksi dini kesehatan mental di ruang digital.Referensi
W. Febriani, S. Eka Prastya, B. Sabella, and F. Dona Marleny, “Analysis of the Impact of Violent Content on Social Media on Adolescent Cyberpsychology Using Support Vector Machine and Random Forest,” 2026. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
A. A. Sari and H. Permatasari, “SEMINAR NASIONAL AMIKOM SURAKARTA (SEMNASA) 2025 Prediksi Risiko Kesehatan Mental Berdasarkan Pola Penggunaan Perangkat Digital Menggunakan Algoritma Logistic Regression”.
F. Darmawan, M. Joe, Y. I. Kurniawan, and L. Afuan, “Analisis Sentimen Kemungkinan Depresi dan Kecemasan pada Twitter Menggunakan Support Vector Machine,” Jurnal Eksplora Informatika, vol. 13, no. 1, pp. 24–36, Sep. 2023, doi: 10.30864/eksplora.v13i1.854.
K. Rahayu, V. Fitria, D. Septhya, R. Rahmaddeni, and L. Efrizoni, “Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 108–114, Sep. 2023, doi: 10.57152/malcom.v3i2.780.
C. H. Shwetha and K. Pushpalatha, “A Deep Learning Framework for Depression and Major Depressive Disorder Detection from Social Media Text Using MentalBERT and Multilayer Perceptron,” International Journal of Intelligent Engineering and Systems, vol. 18, no. 8, pp. 253–268, Sep. 2025, doi: 10.22266/ijies2025.0930.16.
A. Siswandi and A. Susilo, “BULLETIN OF COMPUTER SCIENCE RESEARCH Identifikasi Indikasi Risiko Depresi pada Unggahan Media Sosial X Menggunakan Natural Language Processing dan Algoritma Random Forest,” Media Online), vol. 6, no. 2, pp. 813–822, 2026, doi: 10.47065/bulletincsr.v6i2.1026.
O. Ojo, I. Adewuyi, O. Oni, O. Oyinloye, I. Gbolade, and A. Ojo, “An Intelligent-Based System for Detecting Depression on Social Media Platform,” May 24, 2023. doi: 10.21203/rs.3.rs-2931653/v1.
M. J. Faisti, R. Hadapiningradja Kusumodestoni, G. Wahyu, and N. Wibowo, “Mental Health Classification Using Naïve Bayes and Random Forest Algorithms,” 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
N. P. E. Apriyanthi, C. M. Dhewanty, P. D. W. Ayu, I. M. R. A. Nugroho, and I. W. R. Wijaya, “Analisis Performa Komparatif Algoritma Machine Learning untuk Deteksi Fraud dalam Transaksi Blockchain,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 8, no. 1, pp. 8–15, Jan. 2026, doi: 10.47233/jteksis.v8i1.2285.
L. Breiman, “Random Forests,” 2001.
K. K. Putri and E. B. Setiawan, “Depression Detection in Indonesian X Social Media Text using Convolutional Neural Networks and Long Short-Term Memory with TF- IDF and FastText Methods,” Jurnal Teknik Informatika (Jutif), vol. 6, no. 2, pp. 557–574, Apr. 2025, doi: 10.52436/1.jutif.2025.6.2.4206.
V. Wijaya and N. Rachmat, “Penerapan SMOTE dan Regresi Logistik Pada Website Skrining Awal Kesehatan Mental Mahasiswa,” Jurnal Algoritme, vol. 5, no. 2, pp. 121–130, Apr. 2025, doi: 10.35957/algoritme.v5i2.9046.
I. D. Ishak, F. Tupamahu, and Y. Rahman, “Early Detection of Mental Health Risk Indicators in Children Using Machine Learning Based on Teacher Questionnaires in Islamic Early Childhood Education in Gorontalo.,” Al-Ulum, vol. 24, no. 2, pp. 284–304, Dec. 2024, doi: 10.30603/au.v24i2.6439.
A. F. Anjani, D. Anggraeni, and I. M. Tirta, “Implementasi Random Forest Menggunakan SMOTE untuk Analisis Sentimen Ulasan Aplikasi Sister for Students UNEJ,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, no. 2, pp. 163–172, Sep. 2023, doi: 10.25077/teknosi.v9i2.2023.163-172.
N. Maldini et al., “Sistemasi: Jurnal Sistem Informasi Deteksi Dini Gangguan Kesehatan Mental berdasarkan Sentimen menggunakan Metode Stacking Early Detection of Mental Health Disorders based on Sentiment using Stacking Method,” 2025. [Online]. Available: http://sistemasi.ftik.unisi.ac.id
D. Suharjanto and S. Sumarsono, “Optimalisasi DoRA untuk Deteksi Ujaran Kebencian Berbahasa Indonesia Berbasis Transformer,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 11, no. 3, pp. 341–349, Jan. 2026, doi: 10.25077/teknosi.v11i3.2025.341-349.
M. D. Purbolaksono, M. I. Tantowi, A. I. Hidayat, and Adiwijaya, “Perbandingan Support Vector Machine dan Modified Balanced Random Forest dalam Deteksi Pasien Penyakit Diabetes,” Jurnal RESTI, vol. 5, no. 2, pp. 393–399, Apr. 2021, doi: 10.29207/resti.v5i2.3008.
N. D. Kurniawan, P. R. Ferdian, and N. Hidayati, “Analisis Sentimen Algoritma Naïve Bayes, Support Vector Machine, dan Random Forest Pada Ulasan Aplikasi Ajaib,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 11, no. 1, pp. 87–97, May 2025, doi: 10.25077/teknosi.v11i1.2025.87-97.
J. Angskun, S. Tipprasert, and T. Angskun, “Big data analytics on social networks for real-time depression detection,” J. Big Data, vol. 9, no. 1, Dec. 2022, doi: 10.1186/s40537-022-00622-2.
A. Murarka, B. Radhakrishnan, and S. Ravichandran, “Classification of mental illnesses on social media using RoBERTa,” 2021. [Online]. Available: https://afsp.org
J. Robinson, M. Rodrigues, S. Fisher, E. Bailey, and H. Herrman, “Social media and suicide prevention: findings from a stakeholder survey,” Shanghai Arch. Psychiatry, vol. 27, no. 1, pp. 27–35, 2015, doi: 10.11919/j.issn.1002-0829.214133.
F. B. Adi Nugroho, W. Ghozi, and F. Adi Rafrastara, “A Comparative Analysis of P-Value and Mutual Information Feature Selection Methods for Random Forest-Based Phishing Detection,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 11, no. 3, pp. 377–386, Jan. 2026, doi: 10.25077/teknosi.v11i3.2025.377-386.
M. Arif, I. Ameer, N. Bölücü, G. Sidorov, A. Gelbukh, and V. Elangovan, “Mental Illness Classification on Social Media Texts Using Deep Learning and Transfer Learning,” Computacion y Sistemas, vol. 28, no. 2, pp. 451–464, 2024, doi: 10.13053/CyS-28-2-4873.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 