Melakukan deteksi gangguan kesehatan mental pada seseorang bukan merupakan hal yang mudah. Namun apabila tidak segera ditangani akan menyebabkan permasalahan lain seperti kesehatan fisik dan sosial. Gangguan kesehatan mental dapat merubah cara hidup seseorang, sehingga gejala yang dialami dapat diperhatikan dari perilaku sehari-hari. Pasien gangguan mental merasa acuh dengan lingkungannya dan fokus pada apa yang terjadi pada dirinya. Oleh karena itu, pasien mencari tempat yang dapat menampung perasaannya. Twitter merupakan salah satu media yang banyak digunakan secara luas dalam mengukur kepribadian seseorang melalui pernyataan sehari-hari. Gejala-gejala psikolog dapat digali lebih luas menggunakan Natural Languages Processing. Penelitian ini menggunakan beberapa teknik text pre-processing untuk mengubah kata pada sosial media menjadi bentuk yang baku. Kemudian unuk mengubah kata menjadi vektor angka, digunakan beberapa metode word embedding seperti Word2Vec, FastText, dan Glove. Sementara itu, proses klasifikasi dilakukan dengan LSTM dan Bi-LSTM karena dinilai mampu mempelajari pola-pola data sequence seperti susunan kalimat dengan baik. Hasil menunjukkan bahwa penambahan expand contraction, emoticon handling, negation handling, repeated character handling, dan spelling correction pada text pre-processing dapat meningkatkan kinerja model. Selain itu Bi-LSTM dengan Pre-trained FastText menunjukkan hasil yang lebih baik dari pada metode lain yang dicoba dengan accuracy 86%, precission 87.5%, recall 84%, dan F1-Score 85.71%.