Klasifikasi Gangguan Mental Menggunakan Algoritma K-Nearest Neighbors dan Support Vector Machine Berdasarkan Data Rekam Medis

Ria Putri Sunaryo; Aning Fara Andina

doi:10.69693/ijim.v4i3.1374

Authors

Ria Putri Sunaryo Universitas Darma Persada
Aning Fara Andina Universitas Darma Persada

DOI:

https://doi.org/10.69693/ijim.v4i3.1374

Keywords:

Algoritma, K-Nearest Neighbors, Machine Learning, Supervised Learning, Support Vector Machine

Abstract

Gangguan mental merupakan penyakit gangguan kesehatan yang disebabkan oleh ketidakmampuan dalam mengendalikan diri, halusinasi, delusi, ilusi, waham dan ketakutan yang berlebihan dalam berperilaku. Jenis-jenis gangguan mental umumnya terdiri dari Paranoid, Undifferentiated, Depresi, dan Shizoaffective. Penelitian bertujuan untuk membantu melakukan klasifikasi jenis gangguan mental menggunakan machine learning. Machine learning merupakan kecerdasan buatan, dimana suatu teknik dapat membuat komputer belajar dari sebuah data untuk membantu mengenali suatu pola klasifikasi. Model algoritma yang digunakan dalam penelitian ini menggunakan algoritma supervised learning yaitu suatu model algoritma dimana data label output sudah ditentukan berdasarkan jenis kategori. Data penelitian diperoleh melalui data rekam medis pasien di Rumah Sakit PQR dengan 94 fitur dan 4 kategori. Hasil akurasi pengujian dengan support vector machine menghasilkan akurasi 88%, sedangkan dengan k-nearest neighbors menghasilkan akurasi 81%. Pemilihan fitur yang signifikan dengan memanfaatkan metode recursive feature elimination dengan jumlah fitur menjadi 43 fitur menghasilkan akurasi lebih tinggi sebesar 90% pada support vector machine dan akurasi 94% pada k-nearest neighbors.

Downloads

Download data is not yet available.

References

A. Rianti, N. Majid, and A. Fauzi, “Crisp-Dm: Metodologi Proyek Data Science,” Pros. Semin. Nas. Teknol. Inf. dan Bisnis, 2023.

Conference on Communication, Computing and Energy Efficient Technologies, I3CEET 2024, Institute of Electrical and Electronics Engineers Inc., 2024, pp. 857–862. doi: 10.1109/I3CEET61722.2024.10994115.

Gajah Mada University, “Indonesian Health Ministry Reveals Increase in Suicide Cases to 826”.

M. Wu and X. Liu, “A Double Weighted KNN Algorithm and Its Application in the Music Genre Classification,” in Proceedings - 2019 6th International Conference on Dependable Systems and Their Applications, DSA 2019, Institute of Electrical and Electronics Engineers Inc., Jan. 2020, pp. 335–340. doi: 10.1109/DSA.2019.00051.

N. P. Nur Fauzi, S. Khomsah, and A. D. Putra Wicaksono, “Penerapan Feature Engineering dan Hyperparameter Tuning untuk Meningkatkan Akurasi Model Random Forest pada Klasifikasi Risiko Kredit,” J. Teknol. Inf. dan Ilmu Komput., vol. 12, no. 2, pp. 251–262, Apr. 2025, doi: 10.25126/jtiik.2025128472.

O. Derviševi, E. Zuni, D. Donko, and E. Buza, “Application of KNN and Decision Tree Classification Algorithms in the Prediction of Education Success from the Edu720 Platform”.

R. Islam and M. A. Layek, “StackEnsembleMind: Enhancing well-being through accurate identification of human mental states using stack-based ensemble machine learning,” Informatics Med. Unlocked, vol. 43, Jan. 2023, doi: 10.1016/j.imu.2023.101405.

R. Josphineleela, M. Khan, R. Baskaran, S. Mohd Fazal Ul Haque, A. Shaik, and S. S. Shankar, “International Journal Of Intelligent Systems And Applications In Engineering Optimized Support Vector Machine for Big Data Classification NPC.” [Online]. Available: www.ijisae.org.

S. Javid, A. Rahmanulla, M. G. Ahmed, R. sultana, and B. R. Prashantha Kumar, “Machine learning & deep learning tools in pharmaceutical sciences: A comprehensive review,” Jun. 01, 2025, KeAi Publishing Communications Ltd. doi: 10.1016/j.ipha.2024.11.003.

S. Shiam Rahman and S. Shiam, “An Application of Data Mining of Mental Health Data,” 2019. [Online]. Available: https://aisel.aisnet.org/sais2019/42.

T. Negandhi, P. Dhumale, M. Vachhani, and K. Gawande, “MindScan: Mental Disorder Diagnosis using Machine Learning,” in Proceeding of 2024 International

U. Kadir, F. Wijaya, and M. Sanusi, “Jenis Gangguan Psikotik Berdasarkan PPDGJ III,” Innov. J. Soc. Sci. Res., vol. 3, no. 4, pp. 9140–9150, 2023.

World Health Organization, “Mental health of adolescents”.

Z. Rais, M. Fahmuddin, E. Citra, Y. Statistika, D. Ilmu, and P. Alam, “Classification Of Hypertension Using Methods Support Vector Machine Genetic Algorithm (SVM-GA),” Arrus J. Math. Appl. Sci., vol. 5, no. 1, 2025, doi: 10.35877/mathscience3976.