ANALISIS PREVALENSI BIPOLAR DI BERBAGAI NEGARA (1990-2019) MENGGUNAKAN MACHINE LEARNING

• FEDERICO ANGGITO RYSENO
• 2025

---

Pada penelitian ini, data prevalensi gangguan bipolar di berbagai negara dengan rentang waktu 1990-2019 dikelompokkan untuk menghasilkan pola pemisahan kelompok berdasarkan kemiripan data. Tujuan dari penelitian ini untuk mengelompokkan data prevalensi gangguan bipolar, menerapkan metode machine learning untuk mengelompokkan data, menentukan jumlah kelompok optimal, mengidentifikasi kelompok-kelompok yang terbentuk setelah data dianalisis. Data prevalensi gangguan bipolar diolah dengan perangkat lunak pengolahan data bernama Knime. Knime memiliki node-node yang dapat digunakan untuk mengolah data prevalensi gangguan bipolar di berbagai negara melalui tahap-tahap dalam penelitian ini yang dimulai dari pengumpulan data, penginputan data, prapemrosesan data, pemrosesan data, evaluasi data, dan visualisasi data. Fuzzy c-means merupakan metode machine learning yang digunakan dalam penelitian ini yang kemudian dievaluasi dengan silhouette coefficient untuk mengukur seberapa baik hasil dari analisis metode machine learning fuzzy c-means yang telah dilakukan. Hasil analisis membentuk 4 kelompok dengan kategori rendah, sedang, tinggi, dan sangat tinggi yang divisualisasikan menggunakan scatter plot untuk melihat pola pemisahan kelompok yang telah terbentuk.

• Bipolar
• Machine Learning
• Fuzzy c-means

Tautan dinonaktifkan.