HYBRID TIME SERIES CLASSIFICATION UNTUK DETEKSI RISIKO KESEHATAN MENTAL BERBASIS INDOBERT DAN BI-LSTM
Jurnal Rekayasa Sistem Informasi dan Teknologi · 31.05.2026 · 3 (4) · 622-635
DOI: 10.70248/jrsit.v3i4.3688 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Rekayasa Sistem Informasi dan Teknologi, online erschienen am 31.05.2026. Verfasst von Yassa Ayu Rahmadhani und 1 weiteren Autor:innen.
Abstract (Originalsprache)
Peningkatan penggunaan media sosial sebagai sarana ekspresi emosi telah menghasilkan data dalam jumlah besar yang dapat dimanfaatkan untuk memahami kondisi psikologis masyarakat secara tidak langsung, khususnya pada platform Twitter (X) yang memiliki dinamika sentimen yang berubah dari waktu ke waktu. Penelitian ini mengusulkan pendekatan Hybrid Time Series Classification untuk mengidentifikasi tingkat risiko kesehatan mental melalui analisis sentimen berbasis data media sosial. Pendekatan yang diusulkan mengintegrasikan proses penyaringan data menggunakan keyword matching dan validasi kontekstual berbasis IndoBERT, serta pemodelan temporal menggunakan Bidirectional Long Short-Term Memory (Bi-LSTM). Data yang telah melalui tahap prapemrosesan kemudian ditransformasikan ke dalam bentuk deret waktu melalui agregasi harian dan dilanjutkan dengan proses feature engineering untuk meningkatkan representasi pola temporal. Penelitian ini juga menangani permasalahan ketidakseimbangan distribusi kelas menggunakan pendekatan hybrid sampling yang mengombinasikan oversampling berbasis back translation dan undersampling. Hasil eksperimen menunjukkan bahwa sebelum dilakukan augmentasi dan penyeimbangan data, model memperoleh accuracy sebesar 47,89%, precision sebesar 69,58%, recall sebesar 47,89%, dan F1-score sebesar 52,40%. Setelah diterapkan proses augmentasi dan penyeimbangan data, performa model meningkat secara signifikan dengan seluruh metrik evaluasi mencapai nilai 1,00. Hasil tersebut menunjukkan bahwa pendekatan hybrid sampling mampu meningkatkan stabilitas model serta konsistensi klasifikasi dalam mendeteksi tingkat risiko kesehatan mental berbasis data temporal secara lebih efektif.
Zitieren
APA
Rahmadhani, Y. A., & Mustafa (2026). HYBRID TIME SERIES CLASSIFICATION UNTUK DETEKSI RISIKO KESEHATAN MENTAL BERBASIS INDOBERT DAN BI-LSTM. Jurnal Rekayasa Sistem Informasi dan Teknologi, 3(4), 622-635. https://doi.org/10.70248/jrsit.v3i4.3688
Vancouver
Rahmadhani YA, Mustafa. HYBRID TIME SERIES CLASSIFICATION UNTUK DETEKSI RISIKO KESEHATAN MENTAL BERBASIS INDOBERT DAN BI-LSTM. Jurnal Rekayasa Sistem Informasi dan Teknologi. 2026;3(4):622-635. doi:10.70248/jrsit.v3i4.3688
BibTeX
@article{Rahmadhani2026,
author = {Rahmadhani, Yassa Ayu and Mustafa},
title = {HYBRID TIME SERIES CLASSIFICATION UNTUK DETEKSI RISIKO KESEHATAN MENTAL BERBASIS INDOBERT DAN BI-LSTM},
journal = {Jurnal Rekayasa Sistem Informasi dan Teknologi},
year = {2026},
volume = {3},
number = {4},
pages = {622--635},
doi = {10.70248/jrsit.v3i4.3688}
}
EUVIMED