Di era digital yang semakin maju, penggunaan aplikasi kesehatan di Indonesia terus meningkat, namun penerimaan aplikasi ini masih menghadapi berbagai tantangan, terutama terkait faktor-faktor individual. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan faktor-faktor individu yang memengaruhi penerimaan aplikasi kesehatan di Kabupaten Bandung. Data dikumpulkan melalui wawancara, kemudian dianalisis menggunakan algoritma deep learning Bidirectional Long Short-Term Memory (BiLSTM). Penelitian ini menerapkan dua skenario BiLSTM skenario pertama menggunakan single-layer BiLSTM dengan batch size 16, dan skenario kedua menggunakan multi-layer BiLSTM dengan batch size yang sama. Hasil penelitian menunjukkan bahwa skenario pertama, yaitu single-layer BiLSTM dengan batch size 16, menghasilkan akurasi tertinggi sebesar 75,80%. Faktor Behavioural Intention, Trust, dan Self-Efficacy terbukti memiliki pengaruh positif yang signifikan terhadap keputusan pengguna untuk mengadopsi aplikasi kesehatan, sedangkan Technostress dan Habit menunjukkan dampak negatif. Temuan ini menyoroti pentingnya memahami faktor-faktor psikologis dan perilaku dalam mendorong adopsi aplikasi kesehatan. Sehingga dapat meningkatkan penerimaan dan penggunaan aplikasi kesehatan di kalangan masyarakat.
Kata Kunci -- aplikasi kesehatan, faktor Adopsi aplikasi, aspek individual, bidirectional long short-term memory (BiLSTM)