ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulANALISISPENYAKIT MENTALSKIZOFRENIA,BIPOLARDAN DEPRESI MENGGUNAKANALGORITMAXGBOOST |
| Nama: NATALIA ANASTASYA LANDUSA |
| Tahun: 2026 |
| Abstrak Diagnosis gangguan mentalseperti skizofrenia, depresi, dan bipolar disorder sering kali kompleks dan membutuhkan waktu. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan mengembangkan model klasifikasi berbasis machine learning menggunakan algoritma XGBoost. Sebanyak 3.753 data pasien dengan gejala mental digunakan untuk mengidentifikasi pola dan karakteristik unik dari masing-masing gangguan. Proses pra-pemrosesan data melibatkan normalisasi dan pemisahan data menjadi set latih dan uji (70:30). Hasil pengujian menunjukkan bahwa model XGBoost mampu mengklasifikasikan ketiga gangguan mental ini dengan akurasi sangat tinggi, yakni 98,85%, serta nilai precision, recall, dan F1-score yang mendekati 100% untuk setiap kelas. Analisis fitur lebih lanjut mengungkap bahwa fitur-fitur seperti f12, f8, dan f11 memiliki kontribusi signifikan terhadap keberhasilan klasifikasi. Temuan ini menegaskan bahwa XGBoost sangat efektif dalam klasifikasi gangguan mental dan dapat menjadi pendekatan awal yang menjanjikan untuk mendukung proses diagnosis berbasis data. Meskipun demikian, penelitian ini memiliki keterbatasan karena menggunakan data sekunder yang belum tervalidasi secara klinis dan tidak melibatkan tenaga medis profesional secara langsung, sehingga diperlukan validasi klinis lebih lanjut di masa depan. Kata kunci: Kesehatan Mental, XGBoost, Klasifikasi, Diagnosis |