Bunuh diri adalah salah satu penyebab kematian terbesar di dunia. Diantara banyak individu yang mengalami tekanan mental, sebagian memilih mengekspresikan perasaan mereka melalui media sosial seperti X. Unggahan-unggahan tersebut sering terdapat tanda-tanda adanya keinginan untuk mengakhiri hidup, yang dapat menjadi peringatan dini jika terdeteksi dengan tepat. Penelitian ini bertujuan mengembangkan sistem yang mampu mendeteksi teks dengan indikasi keinginan bunuh diri. Sistem ini dibangun dengan menggabungkan model deep learning CNN dan BiLSTM, menggunakan TF-IDF sebagai metode ekstraksi fitur dan FastText sebagai metode ekspansi fitur dengan menggunakan corpus similarity sebanyak 64.045 data. Serangkaian skenario dilakukan pada model yang dibangun menggunakan 49.022 data dalam bahasa Inggris yang dikumpulkan dari platform X. Hasil dari pengujian menunjukkan bahwa model hybrid mendapatkan nilai akurasi terbaik. Model hybrid yang mendapatkan nilai akurasi terbaik tersebut adalah CNN-BiLSTM dengan nilai akurasi sebesar 79,21% yang mana mendapatkan kenaikan akurasi dari model baseline sebesar 6,9%. Hasil tersebut menunjukkan bahwa model hybrid dengan kombinasi ekstraksi fitur TF-IDF dan ekspansi fitur FastText mampu mendeteksi indikasi keinginan bunuh diri pada unggahan di sosial media X.