Machine Learning Klasifikasi Penyakit Jiwa Menggunakan Metode K-Nearest Neighbor Berbasis Web

Abstract

Gangguan jiwa merupakan masalah kesehatan yang dapat berdampak signifikan terhadap kehidupan individu jika tidak terdiagnosis dan ditangani dengan baik. Untuk mendukung deteksi dini dan mempermudah proses klasifikasi penyakit jiwa, penelitian ini mengembangkan sistem berbasis K-Nearest Neighbor (KNN) yang diimplementasikan dalam aplikasi berbasis web. Dataset yang digunakan diperoleh dari Rumah Sakit Jiwa Aceh dengan total 564 data pasien, yang mencakup gejala seperti kecemasan, penyakit persepsi, serta tingkat keparahan dalam kehidupan sehari-hari. Proses klasifikasi dilakukan melalui serangkaian tahapan, termasuk pembersihan data, normalisasi, pemilihan parameter optimal, dan evaluasi model. Dengan K=10 model diuji menggunakan confusion matrix untuk mengukur performa dengan metrik akurasi, presisi, recall, dan F1-score, yang menghasilkan nilai 100% untuk semua kategori penyakit jiwa yang diklasifikasikan, yaitu Depresi Berat, Depresi Ringan, Skizofrenia Paranoid, dan Skizofrenia Hebefrenik. Hasil ini menunjukkan bahwa metode KNN dapat digunakan secara efektif dalam mendiagnosis penyakit jiwa berdasarkan gejala yang diberikan. Selain itu, implementasi berbasis web memungkinkan akses lebih luas bagi tenaga medis dan masyarakat dalam melakukan klasifikasi awal tanpa harus bergantung sepenuhnya pada diagnosis manual. Dengan hasil yang akurat dan sistem yang responsif, penelitian ini diharapkan dapat berkontribusi dalam meningkatkan pelayanan kesehatan mental serta memberikan solusi berbasis teknologi untuk mendukung upaya deteksi dini penyakit jiwa.