Komparasi Metode Machine Learning pada Diagnosa Gangguan Kejiwaan Depresi

Abstract

Depresi atau penyakit kejiwaan berakibat fatal pada resiko kemungkinan bunuh diri. Depresi dapat didiagnosa sejak dini dan dilakukan secara mandiri. Hal ini sangat perlu dilakukan untuk membantu dalam penyembuhan dan pencegahan depresi. Model yang tepat dalam mendiagnosa depresi secara mandiri telah banyak diusulkan oleh beberapa peneliti. Pada penelitian ini dibandingkan metode machine learning yang paling akurat untuk mendiagnosa depresi, diantaranya algoritma Naïve bayes, kNN, Decision Tree dan Random Forest. Hasilnya diketahui algoritma Random Forest memiliki nilai akurasi paling tinggi diantara tiga algoritma lainnya yaitu sebesar 80,02%.