Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Algoritma Decision Tree untuk Deteksi Depresi Pada Pelajar Zacksavira, Sofyh; Br Sebayang, Cindy Anggraeni; Imanuel, Jonathan; Br Sibarani, Grestia
Innovative: Journal Of Social Science Research Vol. 5 No. 3 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i3.19793

Abstract

Depresi merupakan masalah kesehatan mental yang berdampak signifikan terhadap kualitas hidup dan produktivitas individu. Penelitian ini bertujuan mengembangkan model klasifikasi depresi menggunakan algoritma Decision Tree yang diimplementasikan melalui platform Google Colab. Dataset yang digunakan terdiri dari 503 entri dengan 11 variabel yang mencakup aspek demografis, kondisi akademik, dan kesehatan mental. Proses preprocessing mencakup konversi format data, transformasi variabel kategorikal dengan metode Nominal to Binomial, serta normalisasi data numerik menggunakan Z-transformation. Model Decision Tree dioptimalkan dengan parameter gain ratio, kedalaman maksimum 10, confidence factor 0,1, serta aktivasi pruning dan pre-pruning. Hasil pengujian menunjukkan performa model yang tinggi dengan akurasi sebesar 89%, weighted mean recall 89%, dan weighted mean precision 89%. Confusion matrix mengindikasikan keberhasilan model dalam mengidentifikasi 43 kasus non-depresi dan 3 kasus depresi secara akurat, dengan tingkat kesalahan klasifikasi yang rendah. Temuan ini menunjukkan potensi Decision Tree sebagai alat bantu dalam deteksi awal kondisi depresi berbasis data.