Sistem Pakar Diagnosis Gangguan Kesehatan Mental pada Remaja Menggunakan Metode Support Vector Machine dan Naïve Bayes Berbasis Web
DOI:
https://doi.org/10.32493/joaiia.v7i1.57242Keywords:
Gangguan Kesehatan Mental, Sistem Pakar, Anak Remaja, Support Vector Machine(SVM), Naïve BayesAbstract
Gangguan kesehatan mental merupakan permasalahan serius yang dapat menyerang siapa saja, termasuk anak remaja. Kurangnya kesadaran masyarakat, minimnya fasilitas layanan kesehatan mental, serta keterbatasan sistem diagnostik yang tersedia menjadi hambatan utama dalam proses deteksi dan penanganan dini gangguan mental. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis website yang dapat melakukan diagnosis awal terhadap 10 (sepuluh) jenis gangguan kesehatan mental pada anak remaja. Sistem ini menggunakan pendekatan algoritma Support Vector Machine (SVM) dan Naïve Bayes untuk meningkatkan akurasi klasifikasi berdasarkan gejala yang diinputkan oleh pengguna.
Pengetahuan dalam sistem diperoleh dari literatur, pakar kejiwaan, serta referensi PPDGJ III. Sistem ini juga dilengkapi dengan fitur peringatan untuk meminimalisir kesalahan (human error) dalam proses input data. Hasil penelitian menunjukkan bahwa sistem mampu memberikan hasil diagnosis awal secara efisien dan akurat, serta dapat diakses dengan mudah oleh remaja dan masyarakat umum melalui platform berbasis web. Dengan demikian, sistem ini diharapkan dapat menjadi solusi alternatif dalam mendeteksi gangguan kesehatan mental secara dini serta meningkatkan kesadaran masyarakat terhadap pentingnya kesehatan mental.
References
[1] World Health Organization, “Adolescent mental health,” World Health Organization, 2021.
[2] American Psychiatric Association, *DSM-5-TR: Diagnostic and Statistical Manual of Mental Disorders*, 5th ed., text rev. Washington, DC: APA Publishing, 2022.
[3] V. Patel, A. J. Flisher, S. Hetrick, dan P. McGorry, “Mental health of young people: A global public-health challenge,” *The Lancet*, vol. 369, no. 9569, pp. 1302–1313, 2007, doi: 10.1016/S0140-6736(07)60368-7.
[4] A. B. R. Shatte, D. M. Hutchinson, dan S. J. Teague, “Machine learning in mental health: A scoping review,” *Psychological Medicine*, vol. 49, no. 9, pp. 1426–1448, 2019, doi: 10.1017/S0033291719000151.
[5] C. Cortes dan V. Vapnik, “Support-vector networks,” *Machine Learning*, vol. 20, no. 3, pp. 273–297, 1995, doi: 10.1007/BF00994018.
[6] T. M. Mitchell, *Machine Learning*. New York: McGraw-Hill, 1997.
[7] H. Zhang, “The optimality of Naïve Bayes,” dalam *Proceedings of the Seventeenth International Florida Artificial Intelligence Research Society Conference*, 2004, pp. 562–567.
[8] J. Durkin, *Expert Systems: Design and Development*. New Jersey: Prentice Hall, 1994.
[9] E. Turban, R. Sharda, D. Delen, dan J. E. Aronson, *Decision Support and Business Intelligence Systems*, 9th ed. Boston: Pearson Education, 2011.
