<![CDATA[Deteksi dini depresi merupakan tantangan penting dalam bidang kesehatan mental. Penelitian ini bertujuan untuk mengembangkan model klasifikasi yang dapat memprediksi depresi dengan tingkat akurasi tinggi menggunakan teknik klasifikasi data. Data kuesioner digunakan sebagai dasar untuk pengembangan model ini. Melalui proses pembersihan data, ekstraksi fitur, dan normalisasi, data disiapkan untuk pelatihan dan pengujian model. Pembagian data dilakukan dengan proporsi 80:20 antara data pelatihan dan data pengujian. K-fold cross-validation digunakan untuk memastikan generalisasi model. Selanjutnya, parameter SVM dioptimalkan menggunakan grid search dan cross-validation. Model dilatih dan dievaluasi menggunakan metrik evaluasi yang mencakup akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa model klasifikasi depresi mencapai tingkat keakuratan, presisi, recall, dan F1-Score sebesar 100%. Implikasi hasil ini dalam praktik klinis dibahas, bersama dengan rekomendasi untuk penelitian lebih lanjut. Kesimpulannya, penelitian ini menunjukkan potensi besar dalam pengembangan model klasifikasi depresi yang akurat dan andal untuk meningkatkan deteksi dini dan intervensi depresi.]]>
Copyrights © 2024
