<![CDATA[Gangguan kesehatan mental dapat terjadi setelah persalinan dan berdampak pada kesehatan ibu serta tumbuh kembang bayi. Pentingnya menganalisis angka kejadian depresi dan faktor prediktornya. Pendekatan Machine Learning dengan algoritma Naïve Bayes dapat dimanfaatkan untuk menganalisis angka kejadian dan faktor tersebut. Penelitian bertujuan mengidentifikasi faktor prediktor, memprediksi kejadian depresi Postpartum, dan mengevaluasi performa algoritma Naïve Bayes di wilayah kerja Puskesmas 9 November. Metode yang digunakan yaitu desain analitik prediktif dengan pendekatan cross-sectional dengan jumlah populasi 236 ibu Postpartum dan sampel sebanyak 92 ibu Postpartum yang diambil dengan teknik Purposive Sampling. Data dikumpulkan menggunakan kuesioner Edinburgh Postnatal Depression Scale (EPDS) dan Postpartum Depression Risk Factor (PPDRF) yang teruji valid dan reliabel. Analisis menggunakan algoritma Naïve Bayes melalui RapidMiner. Hasil menunjukkan sebanyak 73 responden (79,4%) mengalami depresi Postpartum dan 19 responden (20,6%) tidak mengalami depresi Postpartum. Tingkat pendidikan dan keinginan kehamilan merupakan faktor prediksi utama yang menyebabkan terjadinya depresi Postpartum dengan analisis model Naïve Bayes menghasilkan akurasi sebesar 85,94% dan F1-Score sebesar 60,87%, hasil tersebut menunjukkan prediksi yang baik dan precision, recall dengan kekuatan sedang. Penelitian menunjukkan Algoritma Naïve Bayes mampu memprediksi kejadian depresi Postpartum dengan baik dan precision, recall sedang. Tingkat pendidikan dan keinginan kehamilan merupakan prediktor utama kejadian depresi Postpartum. Tenaga kesehatan diharapkan melakukan skrining dini dan edukasi pada ibu hamil untuk mencegah terjadinya depresi Postpartum.]]>
Copyrights © 2026
