ANALISISPENYAKIT MENTALSKIZOFRENIA,BIPOLARDAN DEPRESI MENGGUNAKANALGORITMAXGBOOST

Diagnosis gangguan mentalseperti skizofrenia, depresi, dan bipolar disorder sering kali
kompleks dan membutuhkan waktu. Penelitian ini bertujuan untuk mengatasi tantangan
tersebut dengan mengembangkan model klasifikasi berbasis machine learning
menggunakan algoritma XGBoost. Sebanyak 3.753 data pasien dengan gejala mental
digunakan untuk mengidentifikasi pola dan karakteristik unik dari masing-masing
gangguan. Proses pra-pemrosesan data melibatkan normalisasi dan pemisahan data
menjadi set latih dan uji (70:30). Hasil pengujian menunjukkan bahwa model XGBoost
mampu mengklasifikasikan ketiga gangguan mental ini dengan akurasi sangat tinggi,
yakni 98,85%, serta nilai precision, recall, dan F1-score yang mendekati 100% untuk
setiap kelas. Analisis fitur lebih lanjut mengungkap bahwa fitur-fitur seperti f12, f8,
dan f11 memiliki kontribusi signifikan terhadap keberhasilan klasifikasi. Temuan ini
menegaskan bahwa XGBoost sangat efektif dalam klasifikasi gangguan mental dan
dapat menjadi pendekatan awal yang menjanjikan untuk mendukung proses diagnosis
berbasis data. Meskipun demikian, penelitian ini memiliki keterbatasan karena
menggunakan data sekunder yang belum tervalidasi secara klinis dan tidak melibatkan
tenaga medis profesional secara langsung, sehingga diperlukan validasi klinis lebih
lanjut di masa depan.
Kata kunci: Kesehatan Mental, XGBoost, Klasifikasi, Diagnosis