Klasifikasi Tweet dan Topic Modeling terkait Kecenderungan Bunuh Diri di Media Sosial X menggunakan Support Vector Machine (SVM) dan Latent Dirichlet Allocation (LDA) (Studi Kasus : Tweet di Media Sosial X terkait Kecenderungan Bunuh Diri dari Tahun 2022-2025)

Abstract

Bunuh diri merupakan salah satu penyebab kematian terbesar di dunia, dengan lebih dari 720.000 kasus setiap tahunnya. Di Indonesia, kasus bunuh diri menunjukkan tren peningkatan signifikan, dari 640 kasus pada 2020 menjadi 1.439 kasus pada 2024. Terbatasnya akses layanan kesehatan mental membuat media sosial, khususnya platform X, menjadi ruang alternatif bagi individu untuk mengekspresikan kondisi psikologisnya. Penelitian ini bertujuan untuk menganalisis unggahan di media sosial X yang mengandung indikasi bunuh diri secara nyata pada tahun 2022-2025 dengan pendekatan klasifikasi dan pemodelan topik. Data yang digunakan sebanyak 32.249 tweet dengan kata kunci “cara bunuh diri”, “mau bunuh diri”, dan “pengen bunuh diri”. Hasil pengujian menunjukkan bahwa model klasifikasi Support Vector Machine (SVM) dengan kernel RBF memberikan akurasi terbaik sebesar 80%. Selanjutnya, tweet yang mengandung indikasi bunuh diri secara nyata dianalisis dengan metode Latent Dirichlet Allocation (LDA). Hasil analisis menunjukkan 3 topik optimal dengan nilai coherence score 0,459, yang dapat diinterpretasikan menjadi tema-tema utama seperti frustrasi dan emosi negatif dalam komunikasi daring; penderitaan psikologis dan ide bunuh diri; serta kelelahan emosional, rasa sakit, dan dorongan untuk mengambil tindakan berisiko. Temuan ini mengindikasikan bahwa percakapan di media sosial dapat menjadi sumber informasi penting untuk memahami kecenderungan bunuh diri, sekaligus membuka peluang pemanfaatan analisis data sebagai bagian dari strategi deteksi dini dan upaya pencegahan bunuh diri.