<![CDATA[Penelitian ini membahas penerapan algoritma Random Forest untuk memprediksi risiko depresi postpartum pada ibu primipara berdasarkan faktor psikologis yang relevan. Dataset diperoleh dari Kaggle dengan total 1.503 observasi yang mencakup berbagai atribut psikologis seperti tingkat stres, dukungan sosial, dan riwayat kesehatan mental. Data diproses melalui tahapan pra-pemrosesan seperti pembersihan data, normalisasi, dan encoding variabel kategorikal untuk memastikan kualitas data yang optimal. Model Random Forest dikembangkan menggunakan hyperparameter yang dioptimalkan melalui Random Search, seperti jumlah pohon dalam hutan dan kedalaman maksimum, guna meningkatkan akurasi prediksi. Evaluasi performa model menggunakan metrik seperti akurasi, precision, recall, dan F1-score menunjukkan akurasi keseluruhan sebesar 90%. Hasil menunjukkan bahwa model mampu mengenali kelas mayoritas dengan baik (recall 95%), namun performa pada kelas minoritas masih perlu ditingkatkan (recall 79%). Penelitian ini memberikan kontribusi penting dalam pengembangan metode prediksi risiko postpartum yang lebih akurat serta memberikan landasan untuk strategi intervensi dini berbasis data. Selain itu, penelitian ini juga mengidentifikasi atribut psikologis yang paling berpengaruh terhadap risiko postpartum, seperti tingkat stres dan dukungan sosial, sehingga dapat menjadi acuan dalam perancangan kebijakan kesehatan masyarakat.]]>
Copyrights © 2025
