Detecting Suicidal Ideation of Tweets Using Long Short-Term Memory and Fasttext Word Embedding

Abstract

Suicide is a global health crisis. It has become the second greatest cause of mortality for people aged 15 to 29. In Indonesia, around five people commit suicide every day. To avert the tragedy of suicide in diverse high-risk groups, early detection of suicidal behaviors and adequate and timely interventions are essential. The younger generation has started to turn to the Internet to seek help and discuss depression and suicide-related topics. The huge amount of textual data generated by users on SNS became the main component in building the early detection tool. For a binary text classification task, LSTM Performs better compared to CNN. Fasttext word embedding can handle uncommon words, misspelled words, and word suffixes and prefixes. This research aims to build an accurate text classification model using LSTM and fasttext to identify tweets containing suicidal ideation. Without applying any text preprocessing or imbalanced class treatments, the model had outstanding performance with a 78% sensitivity, 97% specificity, and an 88% F1 score. No text preprocessing technique led to an improvement in the F1 score. However, improvements in sensitivity were achieved through the implementation of class weighting and oversampling. Notably, the ADASYN technique yielded a substantial sensitivity increase.

Bunuh diri merupakan krisis kesehatan global. Bunuh diri telah menjadi penyebab kematian terbesar kedua bagi kelompok umur 15 hingga 29 tahun. Di Indonesia, ada sekitar lima korban bunuh diri setiap hari. Untuk mencegah tragedi bunuh diri dalam berbagai kelompok berisiko tinggi, deteksi dini terhadap perilaku bunuh diri dan intervensi yang tepat dan cekatan menjadi sangat penting. Generasi muda beralih ke Internet untuk mencari bantuan dan mendiskusikan topik terkait depresi dan bunuh diri. Besarnya jumlah data teks yang dihasilkan oleh pengguna di jejaring sosial menjadi komponen utama dalam membangun alat deteksi dini. LSTM memiliki performa lebih baik dibandingkan dengan CNN dalam melakukan klasifikasi teks. Fasttext dapat menangani kata-kata yang tidak umum digunakan, kata-kata yang salah eja, serta kata berimbuhan dengan baik. Penelitian ini bertujuan untuk membangun model klasifikasi teks menggunakan LSTM dan fasttext untuk mengidentifikasi tweet yang mengandung pemikiran bunuh diri. Tanpa menerapkan metode pra-pemrosesan teks dan penanganan kelas yang tidak seimbang, model telah memiliki performa yang baik dengan sensitivitas 78%, spesifisitas 97%, dan skor F1 88%. Seluruh teknik pra-pemrosesan teks yang digunakan dalam penelitian ini tidak dapat meningkatkan skor F1. Namun, peningkatan sensitivitas tercapai melalui implementasi pembobotan kelas dan oversampling. Terutama, teknik ADASYN menghasilkan peningkatan sensitivitas yang signifikan.