Implementasi Algoritma Naïve Bayes Untuk Analisis Klasifikasi Survei Kesehatan Mental (Studi Kasus: Open Sourcing Mental Illness)

Penulis

  • Reza Alfarezy UPN Veteran Jakarta
  • Ermatita Ermatita Universitas Sriwijaya
  • Ruth Mariana Bunga Wadu UPN Veteran Jakarta

DOI:

https://doi.org/10.52958/iftk.v19i1.4696

Kata Kunci:

Data Mining, klasifikasi, Naïve Bayes, kesehatan mental, kesadaran kesehatan mental, industri teknologi.

Abstrak

Kesehatan mental telah menjadi sorotan penting dalam kehidupan masyarakat sekarang, dan tidak luput dari berbagai industri dalam dunia kerja, termasuk industri teknologi. Kesadaran akan kepentingan kesehatan mental pekerja masih sering dianggap rendah, dan hal ini juga tidak luput dalam industri teknologi, oleh karenanya Open Source Mental Illness (OSMI), sebagai lembaga yang bergerak di bidang kesehatan mental, mengadakan survei untuk mengetahui kesadaran mengenai kesehatan mental pada pekerja dalam industri teknologi. Hasil dari survei ini telah dirilis sebagai dataset, di mana dataset ini kemudian dapat dianalisis lebih lanjut menggunakan data mining dengan metode klasifikasi sebagai analisis kesadaran kesehatan mental berdasarkan data pada survei. Algoritma klasifikasi yang digunakan adalah Naïve Bayes, yang mana hasil klasifikasi ini dapat digunakan lebih dalam untuk analisis lanjut mengenai kesadaran pengaruh kesehatan mental pada pekerja industri teknologi, dalam bentuk model prediksi. Dataset yang digunakan awalnya terdiri dari 1259 record data, dimana setelah dilakukan praproses didapatkan 1254 record data. Penelitian ini dilakukan ujicoba dengan pembagian data uji sebesar 30% dan data latih sebesar 70%, dimana didapatkan hasil akurasi sebesar 72%. Analisis data mining ini kemudian dilaksanakan dalam bahasa pemrograman Python, untuk mendapatkan suatu model prediksi sederhana yang kemudian digunakan untuk sistem prediksi sederhana berbasis website.

Referensi

C. Murphy and J. Akullina, “We’re All in This Together: CS Students, the Tech Industry, and Mental Health (Abstract Only),” in SIGCSE ’18: Proceedings of the 49th ACM Technical Symposium on Computer Science Education, 2018, pp. 1071, doi: 10.1145/3159450.3162189.

F. Sohil, M. U. Sohali, and J. Shabbir, “An introduction to statistical learning with applications in R,” Stat. Theory Relat. Fields, 2021, doi: 10.1080/24754269.2021.1980261.

WHO, “WHO Mental Health Atlas 2017,” World Heal. Organ., vol. 2016, 2018.

M. Sudha and B. Poorva, “Predictive tool for dermatology disease diagnosis using machine learning techniques,” Int. J. Innov. Technol. Explor. Eng., vol. 8, no. 9, pp. 355–360, 2019, doi: 10.35940/ijitee.g5376.078919.

K. Pal and B. V Patel, “Data Classification with k-fold Cross Validation and Holdout Accuracy Estimation Methods with 5 Different Machine Learning Techniques,” in 2020 Fourth International Conference on Computing Methodologies and Communication (ICCMC), 2020, pp. 83–87, doi: 10.1109/ICCMC48092.2020.ICCMC-00016.

D. A. Kristiyanti, A. H. Umam, M. Wahyudi, R. Amin, and L. Marlinda, “Comparison of SVM & Naïve Bayes Algorithm for Sentiment Analysis Toward West Java Governor Candidate Period 2018-2023 Based on Public Opinion on Twitter,” in 2018 6th International Conference on Cyber and IT Service Management (CITSM), 2018, pp. 1–6, doi: 10.1109/CITSM.2018.8674352.

Bustami, “Penerapan Algoritma Naive Bayes Untuk Nasabah Asuransi,” J. Inform., vol. 8, no. 1, pp. 884–898, 2018.

A. Fernández, S. García, F. Herrera, and N. V. Chawla, “SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary,” J. Artif. Intell. Res., vol. 61, pp. 863–905, 2018, doi: 10.1613/jair.1.11192.

E. L. Yearwood and V. P. Hines-Martin, “Editorial: Impact of social determinants of health on mental health,” Arch. Psychiatr. Nurs., vol. 35, no. 1, pp. A1–A2, 2021, doi: 10.1016/j.apnu.2020.12.001.

S. Yu, “Uncovering the hidden impacts of inequality on mental health: a global study,” Transl. Psychiatry, 2018, doi: 10.1038/s41398-018-0148-0.

Unduhan

Diterbitkan

2023-05-25

Terbitan

Vol 19 No 1 (2023): April 2023

Bagian

Article

Lisensi

Hak Cipta (c) 2023 Reza Alfarezy

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).