Deteksi Stres Pada Media Sosial Menggunakan Indobertweet

ABSTRAKrnrnStres merupakan permasalahan psikologis yang semakin banyak diekspresikan pengguna melalui teks media sosial. Penelitian ini bertujuan mendeteksi stres pada teks media sosial berbahasa Indonesia menggunakan model IndoBERTweet. Data penelitian terdiri dari 2.024 tweet yang dikumpulkan melalui crawling pada platform Twitter, kemudian dilabeli secara manual ke dalam dua kelas yaitu stres (1.182 data) dan tidak stres (842 data), serta divalidasi oleh psikolog klinis. Teks diproses melalui tahapan case folding, cleaning, dan normalisasi, kemudian ditokenisasi menggunakan tokenizer IndoBERTweet. Fine-tuning dilakukan dengan strategi partial fine-tuning menggunakan teknik layer freezing, dengan variasi learning rate (2e-5, 3e-5, 5e-5) dan jumlah epoch (5 dan 10). Hasil skenario uji coba menunjukkan bahwa kombinasi learning rate 5e-5 dan 10 epoch menghasilkan performa terbaik dengan accuracy 0,9272 dan F1-score 0,9396. Evaluasi pada data uji menghasilkan accuracy 0,9205, precision 0,9180, recall 0,9492, F1-score 0,9333, dan ROC-AUC 0,9508. Model diimplementasikan ke dalam aplikasi web berbasis Streamlit untuk mendukung deteksi stres secara langsung. Hasil penelitian menunjukkan bahwa IndoBERTweet efektif mendeteksi kondisi stres pada teks media sosial berbahasa Indonesia.