Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Fatchiyah Maharani, Masti
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Risiko Depresi Pascapersalinan Menggunakan Algoritma K-Nearest Neighbor (KNN) Anugerah Putra, Bayu; Fadilah, Nur; Mukhtar, Harun; Fatchiyah Maharani, Masti; Addarisalam, Alif
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9562

Abstract

Abstrak Depresi pascapersalinan merupakan gangguan kesehatan mental serius yang sering terlewat pada tahap awal, sehingga dapat menurunkan kualitas hidup ibu dan memengaruhi tumbuh kembang anak. Deteksi dini menjadi kunci, namun pemeriksaan manual kerap memakan waktu dan dipengaruhi bias subjektif. Penelitian ini bertujuan mengembangkan model prediksi risiko depresi pascapersalinan berbasis machine learning dengan algoritma K-Nearest Neighbor (KNN) yang dikenal sederhana, transparan, dan efektif. Dataset berjumlah 1.503 sampel dengan sepuluh atribut psikologis sebagai prediktor serta satu label target risiko depresi. Tahapan preprocessing mencakup imputasi nilai hilang menggunakan rata-rata, pengkodean variabel kategorikal dengan label encoding, serta normalisasi fitur melalui StandardScaler. Data dibagi menjadi 65% untuk pelatihan dan 35% untuk pengujian. Eksperimen dilakukan untuk menentukan nilai K optimal, dan diperoleh K = 15. Hasil evaluasi menunjukkan akurasi sebesar 98,86%, menandakan kemampuan tinggi dalam membedakan individu berisiko dan tidak berisiko depresi pascapersalinan. Model ini berpotensi digunakan tenaga kesehatan untuk skrining awal secara cepat, objektif, dan terstandarisasi, sekaligus mengurangi stigma sosial karena penilaian berbasis data. Meski demikian, penerapan klinis tetap harus memperhatikan keamanan data, keterbukaan hasil, serta mitigasi bias algoritmik agar manfaatnya dapat dirasakan secara adil dan luas.
Co-Authors Addarisalam, Alif Anugerah Putra, Bayu Harun Mukhtar NUR FADILAH