Klasifikasi data mental disorder menggunakan metode relieff-random forest

Gangguan mental merupakan masalah kesehatan yang diidentifikasi secara klinis melalui gangguan signifikan pada perilaku, pola pikir, perasaan, suasana hati, atau kombinasi di antaranya. Menurut WHO, depresi merupakan penyebab utama dari penyakit dan gangguan mental, serta perilaku mengakhiri hidup sebagai penyebab ketiga terbesar dalam kematian. Gangguan kesehatan mental perlu dikenali dan dikelompokkan dengan baik agar dapat diberikan penanganan secara cepat dan tepat. Hal tersebut dikarenakan gejala gangguan kesehatan mental yang sering kali tidak disadari oleh diri sendiri maupun oleh orang terdekat. Identifikasi gangguan mental sangat perlu dilakukan untuk mengurangi nilai prevalensi gangguan kesehatan mental. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi gangguan mental menggunakan metode random forest dengan seleksi fitur relieff. Harapannya penelitian ini dapat berkontribusi dalam mengembangkan sistem identifikasi gangguan mental yang dapat dikolaborasikan dengan pihak-pihak tertentu dan dikembangkan lebih lanjut untuk membantu tenaga medis mendiagnosa pasien dengan cepat dan akurat. Hasil model optimal berdasarkan uji coba pembagian data, n estimator (jumlah pohon), dan max depth (kedalaman pohon) yaitu pada k-fold=10, n estimator=45, max depth=5 dengan akurasi 100%, sensitivitas 100%, dan spesifisitas 100% pada klasifikasi menggunakan random forest dan seleksi fitur menggunakan relieff.