Deteksi Stres Mahasiswa Berdasarkan Komentar Media Sosial X Menggunakan TF-IDF dan Algoritma Logistic Regression

Alvin Rama Saputra Alvin; Muhammad Wifaqul  Azmi; Anggraini Puspita  Sari

doi:10.33633/joins.v11i1.14836

Penulis

Alvin Rama Saputra Alvin Universitas Pembangunan Nasional “Veteran” Jawa Timur
Muhammad Wifaqul Azmi Universitas Pembangunan Nasional “Veteran” Jawa Timur
Anggraini Puspita Sari Universitas Pembangunan Nasional “Veteran” Jawa Timur

DOI:

https://doi.org/10.33633/joins.v11i1.14836

Kata Kunci:

Stres, Mahasiswa, Media Sosial X, Logistic Regression, TF-IDF

Abstrak

Masalah kesehatan mental khususnya stres di kalangan mahasiswa semakin meningkat dan memerlukan perhatian khusus. Mahasiswa cenderung mengekspresikan kondisi psikologis mereka secara implisit melalui komentar atau unggahan di media sosial, khususnya platform X, yang menyediakan data digital potensial untuk analisis kondisi emosional secara real-time dan non-invasif. Penelitian ini bertujuan mengembangkan sistem deteksi stres pada mahasiswa melalui analisis komentar di media sosial X dengan pendekatan berbasis Term Frequency-Inverse Document Frequency (TF-IDF) dan algoritma Logistic Regression. Metode TF-IDF diterapkan untuk mengekstraksi fitur linguistik penting dari komentar mahasiswa, sedangkan Logistic Regression dipilih karena kemampuannya memberikan interpretasi probabilistik yang jelas serta efisien dalam mengolah data teks berfitur tinggi. Model dilatih dengan data komentar mahasiswa yang sudah diberi label dan dievaluasi menggunakan metrik akurasi, F1-score, precision, dan recall. Hasil penelitian menunjukkan bahwasanya sistem yang dibangun mampu mengklasifikasikan komentar stres dan tidak stres dengan akurasi tinggi mencapai 93%, yang menunjukkan potensi besar dalam mendukung intervensi dini untuk kesehatan mental mahasiswa. Implikasi dari penelitian ini diharapkan bisa menjadi dasar pada pengembangan aplikasi digital yang responsif, adaptif, serta aplikatif dalam mendukung kesehatan mental mahasiswa di Indonesia.

Referensi

D. Kusuma Ningrum and A. Maytsa Ismawardi, “Efektivitas Algoritma Kecerdasan Buatan dalam Implementasi Kesehatan Mental : Systematic Literature Review,” Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 1, 2025.

D. Perhatian, “Analisis Sentimen dan Perilaku Pengguna Media Sosial terhadap Isu Kesehatan Mental menggunakan Metode Natural Language Processing (NLP),” Jurnal Pengabdian Masyarakat (Kesehatan), vol. 6, no. 2, pp. 153–158, Oct. 2024.

O. Solihin, D. Firmansyah, A. Z. Abdullah, and A. P. Dhahiyat, “Pemanfaatan AI dalam Analisis Isi Digital : Studi Kasus Komentar Media Sosial,” Jurnal Pendidikan Dan Ilmu Sosial (JUPENDIS), vol. 3, no. 2, pp. 117–129, Mar. 2025, doi: 10.54066/jupendis.v3i2.3141.

S. Inamdar, R. Chapekar, S. Gite, and B. Pradhan, “Machine Learning Driven Mental Stress Detection on Reddit Posts Using Natural Language Processing,” Human-Centric Intelligent Systems, vol. 3, no. 2, pp. 80–91, Mar. 2023, doi: 10.1007/s44230-023-00020-8.

N. Oryngozha, P. Shamoi, and A. Igali, “Detection and Analysis of Stress-Related Posts in Reddit’s Acamedic Communities,” IEEE Access, vol. 12, pp. 14932–14948, 2024, doi: 10.1109/ACCESS.2024.3357662.

A. Syahidin, M. Alwi, Subandi, and M. Hariyadi, “Analisis Sentimen Data Twitter terhadap Pelaksanaan Pembelajaran Online di Indonesia pada Masa Pandemi Covid-19 menggunakan Metode Natural Language Processing,” JURSISTEKNI (Jurnal Sistem Informasi dan Teknologi Informasi), vol. 5, pp. 319–331, Sep. 2023.

O. N. Julianti, N. Suarna, and W. Prihartono, “Penerapan Natural Language Processing pada Analisis Sentimen Judi Online di Media Sosial Twitter,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 3, pp. 2936–2942, Jun. 2024.

Y. Suharsono and Z. Anwar, “Analisis Stres dan Penyesuaian Diri pada Mahasiswa,” Jurnal Online Psikologi, vol. 8, no. 1, pp. 1–12, 2020.

S. Aisyiyah and W. Maharani, “Analisis Berbasis Emosional pada Depresi di Media Sosial menggunakan Pendekatan Convolutional Neural Network,” e-Proceeding of Engineering, vol. 10, no. 2, pp. 1637–1645, Apr. 2023.

K. Kumari and S. Das, “Stress Detection System using Natural Language Processing and Machine Learning Techniques,” 2022. [Online]. Available: https://iiitranchi.ac.in/

S. Mutmainah, “Kemungkinan Depresi dari Postingan pada Sosial Media,” Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi, vol. 1, no. 2, Mar. 2022, doi: 10.20885/snati.v1i2.11.

D. Panca Wilie, “Analisis Sentimen Opini Publik terhadap Chatgpt di Twitter menggunakan Metode Naive Bayes,” Jurnal Nasional Ilmu Komputer, vol. 4, no. 4, pp. 2746–1343, Nov. 2023, [Online]. Available: https://www.kaggle.com/datasets/charunisa/ChatGPT-sentiment-analysis.

A. P. Sari, D. A. Prasetya, F. P. Aditiawan, and M. M. Al Haromainy, “Prediksi Gangguan Kesehatan Mental pada Kalangan Mahasiswa menggunakan Metode Pseudo-Labeling dan Algoritma Regresi Logistik,” TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi, vol. 4, no. 2, Dec. 2024, doi: 10.46880/tamika.Vol4No2(SEMNASTIK).pp40-48.

A. Afifah Adnan Hakim and R. Adi Saputra, “Deteksi Dini Gejala Stres pada Mahasiswa Berdasarkan Faktor-Faktor Penyebabnya menggunakan Metode Logistic Regression,” IJAI (Indonesian Journal of Applied Informatics, vol. 8, no. 2, pp. 2598–5981, 2024.

P. Geliche Mahesh Babu and P. Gururama Senthilvel, “Predicting Student Stress Levels and Mental Health Using Convolutional Neural Network Algorithm in Comparison with Logistic Regression,” Hybrid and Advanced Technologies, pp. 237–241, 2025, doi: 10.1201/9781003559115-40.

Y. Tolla and Kusrini, “Deteksi Stres dan Depresi Unggahan Media Sosial dengan Machine Learning,” vol. 15, no. https://ejurnal.umri.ac.id/index.php/JIK/issue/view/304, pp. 84–92, Apr. 2025.