Metode dalam konsultasi terhadap suatu masalah mulai bervariatif dalam penyampaiannya baik itu secara langsung, video call ataupun teks biasa. Salah satu bidang kesehatan yang menangani hal seperti ini ialah dokter spesialis kejiwaan. Berbeda dengan kesehatan fisik, kesehatan mental lebih sulit untuk terjaga kerahasiannya. Gangguan mental seperti depresi sering ditemukan dibanyak masyarakat sekalipun itu mahasiswa. Oleh karena itu, dibutuhkan sebuah mesin ataupun orang yang dapat dipercaya untuk dapat mendengarkan permasalahan dari orang tersebut. Salah satu mesin yang dapat dimanfaatkan untuk konseling depresi yaitu chatbot.
Dalam Tugas Akhir ini, sistem dirancang untuk mengklasifikasikan teks chatbot menggunakan Bidirectional Long Short-Term Memory (Bi-LSTM). Dengan metode tersebut teks diklasifikasi dimana jawaban dari user dilakukan pemetaan berdasarkan enam kategori yaitu cinta, teman, keluarga, akademik, finansial dan karir yang digunakan untuk konseling depresi. Penelitian ini diuji dengan tiga skenario pengujian yaitu partisi data, epoch dan batch size.
Sistem pada Tugas Akhir ini dilatih menggunakan dataset yang berupa teks, dimana teks tersebut berupa kumpulan jawaban dari user. Dataset tersebut berupa enam label yang memiliki masing-masing 80 training data. Dari penelitian ini, didapatkan konfigurasi terbaik dengan nilai akurasi 93%, presisi 93%, recall 93%, dan F1-score 93% dengan menggunakan data latih 80% dan data uji 20%, jumlah epoch 15, batch size 16, optimizer Adaptive Moment (Adam) dan menggunakan activation sigmoid.