Pendekatan Baru Menggunakan Ensemble Bagging Pada Algoritma C4.5 Dalam Identifikasi Kecenderungan Depresi Situasional

Depresi dikategorikan sebagai ancaman kesehatan yang dapat menyebabkan kematian. Hal tersebut umumnya disebabkan oleh banyak faktor, salah satunya adalah karakteristik demografi. Faktor ini dapat memicu kecenderungan depresi situasional pada seseorang akibat dari situasi hidup yang kurang menyenangkan. Depresi situasional dapat terjadi pada masyarakat desa. Namun hingga saat ini, penanganan terkait depresi situasional masih kurang dilakukan. Sedangkan di lini lapangan kurang tersedianya data untuk melakukan klasifikasi kecenderungan depresi situasional. Oleh karena itu, data yang digunakan dalam penelitian ini diperoleh dari sumber data kaggle. Metode klasifikasi yang tepat seperti mudah direpresentasikan, tentunya dapat membantu mendeteksi kecenderungan depresi situasional. Penelitian ini menggunakan metode klasifikasi pohon keputusan Algoritma C4.5 dengan pendekatan Ensemble Bagging untuk meningkatkan performa metode klasifikasi, agar dihasilkan akurasi yang lebih baik. Pengujian dilakukan dengan 10-Fold Cross Validation dan diperoleh hasil akurasi tertinggi 0.84 pada Ensemble Bagging sedangkan menggunakan metode klasifikasi tunggal Algoritma C4.5 diperoleh akurasi tetinggi 0.78. Hal ini menunjukkan bahwa menggunakan pendekatan Ensemble Bagging dapat meningkatkan performa metode klasifikasi tunggal Algoritma C4.5.