Pesatnya perkembangan media sosial beriringan dengan melonjaknya pengguna media sosial. Di antara platform media sosial yang digunakan secara luas di Indonesia, Twitter adalah salah satu yang paling populer. Pada Twitter, pengguna dibebaskan untuk membagikan setiap momen yang dialami atau hal yang dipikirkan. Banyak dari pengguna yang menjadikan Twitter sebagai media untuk menumpahkan emosi, sebagaimana yang terjadi pada komunitas marah-marah. Tidak ada syarat khusus untuk bergabung menjadi anggota komunitas selain mendapatkan persetujuan admin. Komunitas ini memberikan tempat untuk para anggotanya menumpahkan segala macam amarah yang dirasakan. Penelitian ini melakukan klasifikasi pada twit komunitas marah-marah untuk mengetahui jenis permasalahaan pada twit-twit tersebut. Hasil dari penelitian ini dapat membantu dalam memahami pola komunikasi dan perilaku dalam komunitas marah-marah, yang dapat memberikan wawasan lebih dalam tentang dinamika sosial di dalamnya. Data teks diambil melalui teknik web scraping, dan kemudian diproses melalui serangkaian langkah preprocessing, termasuk penghapusan karakter tidak perlu, normalisasi, dan tokenisasi. Pengklasifikasian menggunakan algoritma Long Short-Term Memory (LSTM) dengan enam kelas kategori permasalahan, yaitu Studi, Percintaan, Keluarga, Karier/Pekerjaan, Person/Personal, dan Umpatan. Setelah dilakukan pemodelan, didapatkan akurasi model sebesar 91,94%. Model dibangun menggunakan embedding layer, Long Short-Term Memory (LSTM) layer, dense layer, dan dropout layer yang dijalankan sebanyak 10 epochs. Evaluasi model dilakukan dengan menggunakan metrik seperti akurasi, presisi, recall, dan F1-score untuk mengukur kinerja model. Nilai yang dihasilkan dari evaluasi menggunakan matriks konfusi sudah lebih dari 50, hal tersebut menandakan bahwa model LSTM mampu melakukan pengkalsifikasian masalah dengan baik.