Analisis Data Hasil Diagnoga Untuk Klasifikasi Gangguan Kepribadian Menggunakan Algoritma C4.5

Siska Febriani, Heni Sulistiani

Abstract


Abstrak

Gangguan psikologis juga bermacam-macam, menurut American Psychiantric Association DMS-IV-TR (2000), yaitu: gangguan kecemasan yang terdiri dari gangguan fobia, gangguan panik, dan gangguan kecemasan umum (GAD). Gangguan mood termasuk depresi berat dan gangguan bipolar. Gangguan somatoform terdiri dari gangguan nyeri, gangguan dismorfik tubuh, gangguan hipokodiasis, gangguan konversi dan gangguan somatisasi. Dari ketiga gangguan tersebut, penulis hanya memfokuskan pada pemeriksaan gangguan kecemasan (GAD), gangguan mood (gangguan depresi mayor) dan gangguan somatoform (gangguan konversi). Karena gangguan tersebut paling sering dialami oleh masyarakat pada umumnya. Namun bukan itu saja, masih ada berbagai gangguan psikologis lainnya yang perlu diwaspadai karena terlihat biasa pada seseorang namun tanpa disadari bisa berdampak buruk jika kondisinya sudah parah. Metode yang digunakan dalam penelitian ini adalah klasifikasi data C4.5 dengan menggunakan data primer yang diperoleh dari angket masyarakat untuk proses klasifikasi. Penetapan tersebut diklasifikasikan sebagai proses klasifikasi menggunakan Rapid Miner untuk klasifikasi dan menggunakan validasi silang sebagai validasi keakuratan data. Hasil dari penelitian ini adalah prediksi gangguan kepribadian untuk menghasilkan informasi yang dibutuhkan oleh masyarakat.

Kata kunci: Data Mining, Algoritma C4.5, dan Cross Validation.


Full Text:

PDF

References


E. B. Fahrizqi, I. Mahfud, R. Yuliandra, and A. Gumantan, “TINGKAT KEBUGARAN JASMANI MAHASISWA OLAHARAGA SELAMA NEW NORMAL PANDEMI COVID-19,” Tadulako J. Sport Sci. Phys. Educ., vol. 8, no. 2, pp. 53–62.

C. Fatimah and N. D. Puspaningtyas, “Dampak Pandemi Covid-19 terhadap Pembelajaran Online Mata Pelajaran Matematika di MAN 1 Lampung Selatan,” J. Pendidik. Mat. Univ. LAMPUNG, vol. 8, no. 4, pp. 250–260, 2020.

H. Rizki and R. M. Aguss, “Analisis Tingkat Pencapaian Perkembangan Motorik Kasar Anak Usia 4-5 Tahun Pada Masa Pandemi Covid-19,” J. Phys. Educ., vol. 1, no. 2, pp. 20–24, 2020.

D. Pamungkas and I. Mahfud, “Tingkat Motivasi Latihan Ukm Taekwondo Satria Teknokrat Selama Pandemi Covid 2019,” J. Phys. Educ., vol. 1, no. 2, pp. 6–9, 2020.

L. N. Rani, “Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit,” INOVTEK Polbeng - Seri Inform., vol. 1, no. 2, p. 126, 2016, doi: 10.35314/isi.v1i2.131.

A. A. Aldino and H. Sulistiani, “Decision Tree C4. 5 Algorithm For Tuition Aid Grant Program Classification (Case Study: Department Of Information System, Universitas Teknokrat Indonesia),” Edutic-Scientific J. Informatics Educ., vol. 7, no. 1, 2020.

A. F. O. Pasaribu, “ANALISIS POLA MENGGUNAKAN METODE C4. 5 UNTUK PEMINATAN JURUSAN SISWA BERDASARKAN KURIKULUM (studi kasus: SMAN 1 NATAR),” J. Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 80–85, 2021.

Pramudiono, Penghantar Data Mining : Penambang Pratama Pengetahuan di Gunung Data. Surabaya: Penambang Pratama, 2013.

Z. Nabila, A. R. Isnain, P. Permata, and Z. Abidin, “ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, pp. 100–108, 2021.

H. Widayu, S. Darma, N. Silalahi, and Mesran, “Data Mining Untuk Memprediksi Jenis Transaksi Nasabah Pada Koperasi Simpan Budidarma., Pinjam Dengan Algoritma C4.5.,” Media Inform., vol. 1, no. 1, pp. 1–10, 2017.

I. Ahmad, H. Sulistiani, and H. Saputra, “The Application Of Fuzzy K-Nearest Neighbour Methods For A Student Graduation Rate,” Indones. J. Artif. Intell. Data Min., vol. 1, no. 1, pp. 47–52, 2018.

Sucahyo, Implementasi Data Warehose Untuk Menunjang Kegiatan Akademik. Surajit: Chaudhurin, 2013.

A. R. Isnain, J. Supriyanto, and M. P. Kharisma, “Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 15, no. 2, pp. 121–130.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” J. Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679.

H. Sulistiani, I. Darwanto, and I. Ahmad, “Penerapan Metode Case Based Reasoning dan K-Nearest Neighbor untuk Diagnosa Penyakit dan Hama pada Tanaman Karet,” JEPIN (Jurnal Edukasi dan Penelit. Inform., vol. 6, no. 1, pp. 23–28, 2020.




DOI: https://doi.org/10.33365/jtsi.v2i4.1373

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Siska Febri ani

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JURNAL Teknologi dan Sistem Informasi (JTSI)
Published by Universitas Teknokrat Indonesia
Organized by Prodi S1 Sistem Informasi FTIK Universitas Teknokrat Indonesia

W: http://jim.teknokrat.ac.id/index.php/sisteminformasi
E : jtsi@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
Jurnal Teknologi dan Sistem Informasi is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.