Isu kesehatan mental menjadi perhatian serius di kalangan Generasi Z, terutama di tengah tingginya interaksi mereka dengan media sosial seperti TikTok. Platform ini tidak hanya digunakan sebagai sarana hiburan, tetapi juga sebagai ruang untuk mengekspresikan perasaan dan pengalaman pribadi, termasuk yang berkaitan dengan kesehatan mental. Penelitian ini bertujuan untuk menganalisis perspektif kesadaran kesehatan mental Generasi Z di Indonesia melalui komentar pengguna di TikTok. Dengan menggunakan pendekatan berbasis machine learning, khususnya algoritma Support Vector Machine (SVM) dan representasi fitur teks Term Frequency-Inverse Document Frequency (TF-IDF), sistem klasifikasi otomatis dikembangkan untuk mengidentifikasi dua kategori perspektif: aware (sadar) dan not aware (tidak sadar).
Model SVM terbaik yang dibangun mencapai akurasi sebesar 92,06%, dengan nilai precision 96,59%, recall 86,55%, dan F1-score 91,32%. Evaluasi melalui confusion matrix dan ROC menghasilkan AUC sebesar 0,95, menunjukkan kemampuan model dalam membedakan kedua kelas dengan sangat baik. Dari total 13.331 komentar yang dianalisis, 53,2% termasuk kategori not aware dan 46,8% aware. Analisis topic modelling dengan metode Latent Dirichlet Allocation (LDA) mengungkap lima tema utama di masing-masing kelompok, yang menggambarkan spektrum kesadaran kesehatan mental Generasi Z.
Proses preprocessing teks menggunakan pustaka Sastrawi terbukti meningkatkan performa klasifikasi. Visualisasi word cloud dan kata penting menunjukkan bahwa kelompok aware menggunakan istilah seperti "psikolog", "kecemasan", dan "emosi", sementara kelompok not aware lebih didominasi kata-kata umum dan ambigu. Penelitian ini memberikan kontribusi terhadap pengembangan sistem pemantauan dan intervensi kesehatan mental digital yang kontekstual dan berbasis data.
Kata kunci : Generasi Z, kesehatan mental, LDA, SVM, TikTok