Depresi merupakan gangguan kesehatan mental yang berdampak luas pada kualitas hidup penderitanya. Meskipun dapat dikenali melalui gejala psikologis dan fisik, banyak kasus depresi tidak terdeteksi karena minimnya kesadaran individu terhadap kondisi mereka. Seiring dengan meningkatnya penggunaan media sosial seperti X, individu cenderung mengekspresikan perasaan dan kondisi mentalnya melalui teks yang diunggah. Oleh karena itu, deteksi dini depresi dapat dilakukan melalui analisis teks pada cuitan di media sosial X. Penelitian ini mengimplementasikan dan mengevaluasi kinerja dua model IndoBERT dan IndoBERTweet, dalam mengklasifikasikan depresi berdasarkan cuitan berbahasa Indonesia. Data diperoleh dari pengguna yang telah mengisi kuesioner DASS-42, kemudian diproses melalui enam tahapan preprocessing teks serta dua skema pembagian data. Kombinasi hyperparameter terbaik ditemukan pada epoch 8, batch size 8, dan learning rate 0,00002. IndoBERT mencapai akurasi uji 95% dengan performa klasifikasi yang seimbang, sementara IndoBERTweet memperoleh akurasi 82% namun kurang stabil pada kelas Non-Depresi. Hasil menunjukkan bahwa preprocessing menyeluruh, proporsi data yang tepat, dan pengaturan hyperparameter yang optimal dapat memengaruhi kinerja model. Secara keseluruhan, kedua model memiliki potensi yang kuat dalam mendeteksi indikasi depresi di media sosial, dengan IndoBERT menunjukkan hasil yang lebih konsisten dan akurat.