Deteksi Tingkat Gangguan Kecemasan Menggunakan Metode Random Forest

Ghefira Zahra Nur Fadhilah, Rizal Adi Saputra, Asa Hari Wibowo

Abstract


Abstract

 

Anxiety is something that must exist in life, so everyone must have it. In everyday life, having anxiety is normal, but excessive anxiety can lead to self-stabilization disorders so that it is classified as an anxiety disorder. With reference to these conditions, this research was conducted with the aim of identifying the early stages of anxiety disorders using the Data Mining process and the Random Forest algorithm. This research applies the Knowledge Discovery in Database (KDD) method for data processing and uses the GAD-7 questionnaire in data collection with a total of 670 records. This study also applied 10-fold cross validation for model evaluation with specificity, sensitivity, and accuracy parameters. The final results of the study show that the prediction of anxiety levels with the Random Forest algorithm has an accuracy rate of 89.55%. Of the total respondents, 12.99% were categorized as normal or not experiencing anxiety disorders, 28.06% experienced mild anxiety disorders, 32.84% experienced moderate anxiety, and 26.12% experienced severe anxiety.


Abstrak

 

Kecemasan adalah suatu hal yang pasti ada dalam kehidupan, sehingga semua orang pasti memilikinya. Dalam kehidupan sehari-hari memiliki kecemasan adalah hal yang normal, tetapi kecemasan yang berlebihan dapat mengakibatkan gangguan kestabilan diri sehingga diklasifikasikan sebagai gangguan kecemasan. Dengan merujuk dari kondisi tersebut, penelitian ini dilakukan dengan tujuan mengidentifikasi tahap awal gangguan kecemasan dengan menggunakan proses Data Mining dan algoritma Random Forest. Penelitian ini menerapkan metode Knowledge Discovery in Database (KDD) untuk pemrosesan data dan menggunakan kuesioner GAD-7 dalam pengumpulan data dengan banyak responden 670 record. Penelitian ini juga menerapkan 10-fold cross validation untuk evaluasi model dengan paramater spesifisitas, sensitivitas, dan akurasi. Hasil akhir dari penelitian ini menunjukkan bahwa hasil prediksi tingkat kecemasan dengan algoritma Random Forest memiliki tingkat akurasi 89,55%. Dari total responden, 12,99% dikategorikan normal atau tidak mengalami gangguan kecemasan, 28,06% mengalami gangguan kecemasan ringan, 32,84% mengalami kecemasan sedang, dan 26,12% mengalami kecemasan berat.


Keywords


Gangguan Kecemasan;Artificial Inteligence;GAD-7;Deteksi;Random Forest

Full Text:

PDF

References


Ardhani, F. (2023). Politeknik kesehatan kemenkes bandung progam studi keperawatan bogor. 116.

Arisusanto, A., Suarna, N., & Dwilestari, G. (2023). Analisa Klasifikasi Data Harga Handphone Menggunakan Algoritma Random Forest Dengan Optimize Parameter Grid. Jurnal Teknologi Ilmu Komputer, 1(2), 43–47. https://doi.org/10.56854/jtik.v1i2.51

Fadli, M., & Saputra, R. A. (2023). Klasifikasi Dan Evaluasi Performa Model Random Forest Untuk Prediksi Stroke. JT: Jurnal Teknik, 12(2), 72–80. http://jurnal.umt.ac.id/index.php/jt/index

Livia Prajogo, S., & Yudiarso, A. (2021). Metaanalisis Efektivitas Acceptance and Commitment Therapy untuk Menangani Gangguan Kecemasan Umum. Psikologika: Jurnal Pemikiran Dan Penelitian Psikologi, 26(1), 85–100. https://doi.org/10.20885/psikologika.vol26.iss1.art5

Mohamed, E. S., Naqishbandi, T. A., Bukhari, S. A. C., Rauf, I., Sawrikar, V., & Hussain, A. (2023). A hybrid mental health prediction model using Support Vector Machine, Multilayer Perceptron, and Random Forest algorithms. Healthcare Analytics, 3(November 2022), 100185. https://doi.org/10.1016/j.health.2023.100185

Oktavia, N., Nurhalimah, H., Alam, I., Adi, P., Arunita, Y., Hidayati, N. O., Nurhalimah, H., Alam, I., Kharisma, P. A., & Arunita, Y. (2022). Kecemasan Remaja selama Pandemi Covid-19. Jurnal Ilmu Keperawatan Jiwa, 5(2), 329–336.

Parmasari, W. D., Hakim, N., & Soekanto, A. (2022). Comparison of Student Anxiety Levels in Facing CBT Exams Based on Gender. Journal of Agromedicine and Medical Sciences, 8(2), 115. https://doi.org/10.19184/ams.v8i2.31212

Permatasari, D. R., Ruparin D, D., & Khotimah, H. (2022). Body shape dissatisfaction with social anxiety tendencies in women in the early adult phase in Malang City. Jurnal Psikologi Tabularasa, 17(2), 180–186. https://jurnal.unmer.ac.id/index.php/jpt/index

Putri, A. R. P. S., & Ningtyas, R. R. M. A. (2023). Transformasi Kesehatan Mental : Tantangan dan Upaya Kebijakan Pemerintah Pada Masa Pandemi COVID-19. PROMOTOR Jurnal Mahasiswa Kesehatan Masyarakat, 6(1), 37–44. https://doi.org/10.32832/pro

Rusdi, A., & Subandi. (2019). Psikologi Islam Kajian Teoritik Dan Penelitian Empirik. In Journal of Chemical Information and Modeling (Vol. 53, Issue 9).

Sandag, G. A. (2020). Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest. CogITo Smart Journal, 6(2), 167–178. https://doi.org/10.31154/cogito.v6i2.270.167-178

Sawangarreerak, S., & Thanathamathee, P. (2020). Random forest with sampling techniques for handling imbalanced prediction of university student depression. Information (Switzerland), 11(11), 1–13. https://doi.org/10.3390/info11110519

Yusrani, G. K., Aini, N., Maghfiroh, S. A., & Istanti, N. D. (2023). Tinjauan Kebijakan Kesehatan Mental di Indonesia: Menuju Pencapaian Sustainable Development Goals dan Universal Health Coverage. Jurnal Medika Nusantara, 1(2), 89–107.




DOI: http://dx.doi.org/10.31000/jt.v13i1.10648

Article Metrics

Abstract - 809 PDF - 6156

Refbacks

  • There are currently no refbacks.


License URL: https://scholar.google.co.id/citations?user=RJRfBN0AAAAJ&hl=id&authuser=2