Depresi merupakan gangguan kesehatan mental yang menjadi masalah serius di masyarakat Indonesia, terutama pada kelompok usia muda. Banyak penderita depresi tidak mencari bantuan profesional karena stigma sosial. Media sosial seperti X (Twitter) menjadi solusi alternatif yang digunakan untuk mengekspresikan perasaan dan emosi seseorang secara anonim. Dengan memanfaatkan X, penelitian ini bertujuan untuk mendeteksi potensi depresi melalui analisis teks menggunakan text mining berbasis model IndoBERT.
Penelitian ini menggunakan dataset sebanyak 5.000 tweet dalam Bahasa Indonesia yang dikumpulkan sejak Oktober 2024 hingga Januari 2025 menggunakan keyword penelusuran tertentu. Data dilabeli secara manual oleh peneliti didampingi psikiater menjadi dua kelas, yaitu berpotensi depresi dan normal. Lalu preprocessing dilakukan dengan tahapan berupa case folding, cleaning, normalization, dan stopword removal. Setelah itu, data dibagi menjadi data latih (80%) dan data uji (20%). Model pre-trained IndoBERT yang telah dilatih dilakukan pre-fine-tuning dan fine-tuning dengan learning rate 2e-05, batch size 8, dan epoch 2 untuk menyesuaikan model ke tugas klasifikasi potensi depresi ini.
Hasil evaluasi menunjukkan bahwa model IndoBERT memberikan performa yang baik dengan akurasi sebesar 87%, precision 87%, recall 87%, dan f1-score 87%. Namun, model mengalami ketimpangan data (class imbalance), sehingga cenderung lebih baik dalam memprediksi label mayoritas (normal) daripada minoritas (depresi). Hasil akhir model kemudian diterapkan menjadi aplikasi berbasis website dengan Streamlit dan dapat bekerja dengan baik.