Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Mirai Management Jurnal Promotif Preventif Journal Pharmacy and Application of Computer Sciences
Andyka Andyka, Andyka
Unknown Affiliation
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Health Professions Medicine & Pharmacology Public Health

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal Pharmacy and Application of Computer Sciences

 1 
PENGEMBANGAN DAN VALIDASI MODEL HYBRID MACHINE LEARNING UNTUK DIAGNOSIS AWAL DEPRESI Aziz, Firman; Abasa, Sustrin; Andyka, Andyka
Journal Pharmacy and Application of Computer Sciences Vol. 3 No. 1: Februari: 2025: JOPACS
Publisher : Arlisaka Madani Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59823/jopacs.v3i1.69

Abstract

Depresi adalah gangguan mental yang umum dan dapat mengurangi kualitas hidup secara signifikan. Diagnosis dini sangat penting untuk mencegah dampak buruk depresi, namun sering kali terlambat karena keterbatasan sumber daya dan kesadaran. Penelitian ini bertujuan untuk mengembangkan model hybrid machine learning untuk diagnosis dini depresi, menggunakan dataset yang berisi 42 pertanyaan terkait gejala depresi. Model hybrid ini menggabungkan tiga algoritma: Random Forest (RF), Support Vector Machine (SVM), dan Naive Bayes (NB), dengan penyesuaian bobot untuk meningkatkan akurasi prediksi. Hasil eksperimen menunjukkan bahwa model individual RF, SVM, dan NB memiliki akurasi masing-masing 91%, 88%, dan 86%, sementara model hybrid yang menggabungkan ketiga algoritma dengan bobot RF: 0.5, SVM: 0.3, dan NB: 0.2 menghasilkan akurasi 93%, precision 93%, recall 92%, F1-Score 93%, dan AUC 0.95. Hasil ini menunjukkan bahwa model hybrid dapat memberikan akurasi yang lebih baik dibandingkan dengan model individual, serta memiliki potensi untuk digunakan dalam aplikasi berbasis teknologi untuk memberikan peringatan dini mengenai depresi. Penelitian ini juga mencatat pentingnya kualitas dataset dalam menentukan performa model dan mendorong penelitian lebih lanjut untuk menguji model dengan data real-time dan dataset yang lebih beragam.
Co-Authors Abasa, Sustrin Albert Albert Firman Aziz Hartati Hartati Hasmin Tamsah, Hasmin Rasyidin Abdullah Sarumi, Rasniah