IDENTIFIKASI POTENSI GANGGUAN MENTAL PADA GEN Z MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)

Abstract

Masalah kesehatan mental menjadi isu krusial yang banyak dialami oleh generasi Z akibat tekanan sosial, akademik, dan paparan media digital. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis Support Vector Machine (SVM) guna mengidentifikasi potensi gangguan mental dari data teks media sosial. Dataset yang digunakan diperoleh dari platform Kaggle dan diproses melalui tahapan tokenisasi, stopword removal, stemming, serta pembobotan menggunakan metode TF-IDF. Model LinearSVC dipilih karena kemampuannya menangani data berdimensi tinggi dan efektif dalam klasifikasi multikelas. Hasil evaluasi menunjukkan akurasi sebesar 76,26% dengan nilai precision, recall, dan F1-score yang cukup seimbang di sebagian besar kelas. Penelitian ini menunjukkan bahwa pendekatan machine learning berbasis SVM dapat digunakan sebagai langkah awal dalam mendeteksi indikasi gangguan mental secara cepat dan digital, terutama bagi generasi Z yang aktif di media sosial.