Mahasiswa Program Studi Informatika dari Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW (ITSK Soepraoen) Malang terus berinovasi dalam mengintegrasikan teknologi kecerdasan buatan di sektor kesehatan. Melalui penelitian berjudul “Improving Random Forest Evaluation in Mental Health Disorder Identification with Cross Validation”, tim peneliti yang terdiri dari Rosyida Choirunnisa, Mochammad Anshori, dan Wahyu Teja Kusuma mengeksplorasi solusi digital untuk membantu diagnosis gangguan mental. Karya ilmiah ini telah resmi dipublikasikan dalam Journal of Artificial Intelligence and Digital Business (RIGGS), Volume 4 Nomor 2 Tahun 2025, sebagai langkah nyata dalam digitalisasi layanan kesehatan mental.
Penelitian ini berangkat dari permasalahan sulitnya mendeteksi gangguan kesehatan mental secara akurat, yang sering kali berujung pada salah diagnosis dan penanganan yang tidak tepat. Fokus utama riset adalah membandingkan performa algoritma Random Forest dengan teknik Cross Validation untuk mengidentifikasi empat kelas target: Bipolar Tipe-1, Bipolar Tipe-2, Depresi, dan Normal. Menggunakan dataset yang terdiri dari 120 data dengan 18 atribut perilaku, tim peneliti menguji beberapa skenario eksperimen. Hasilnya menunjukkan bahwa penggunaan k=10 Stratified Cross Validation menghasilkan akurasi tertinggi sebesar 87,5%, dengan nilai presisi, recall, dan F1-score yang sama kuatnya, membuktikan ketangguhan model dalam mengklasifikasikan gangguan mental secara presisi.
Kesimpulan utama dari penelitian ini menegaskan bahwa kombinasi Random Forest dan Stratified Cross Validation merupakan pendekatan optimal untuk meminimalkan risiko overfitting dan bias data dalam diagnosis medis. Implikasi praktis dari riset ini adalah potensi besar penggunaan model tersebut ke dalam sistem berbasis AI yang dapat membantu tenaga medis melakukan diagnosis dini secara lebih cepat dan efisien. Sebagai langkah pengembangan selanjutnya (further work), para peneliti menyarankan integrasi model ini ke dalam aplikasi perangkat lunak yang dapat digunakan langsung oleh publik serta penambahan variabel data yang lebih luas untuk meningkatkan kepekaan model terhadap gejala klinis yang lebih kompleks.
Informasi tambahan dalam penelitian ini menyoroti urgensi penanganan masalah kesehatan mental secara global. Mengutip data dari WHO, setidaknya satu dari empat orang di dunia mengalami masalah mental, dengan sekitar 35 juta orang menderita depresi dan 60 juta orang hidup dengan gangguan bipolar. Kesamaan gejala antara depresi dan berbagai tipe bipolar sering kali membingungkan praktisi kesehatan. Oleh karena itu, kehadiran teknologi Machine Learning yang dikembangkan oleh Rosyida dan tim menjadi instrumen krusial untuk memberikan objektivitas data dalam proses skrining awal, sehingga pasien bisa mendapatkan perawatan yang sesuai sejak tahap awal.
Perkembangan teknologi kesehatan digital (health-tech) saat ini memang sedang mengarah pada penggunaan data besar (Big Data) untuk mendukung keputusan klinis. Inovasi yang dilakukan oleh mahasiswa Informatika ITSK Soepraoen ini menunjukkan bahwa pemanfaatan kecerdasan buatan bukan hanya tentang kecanggihan kode, melainkan tentang empati untuk meningkatkan kualitas hidup manusia. Dengan model klasifikasi yang telah divalidasi ini, proses pemetaan pola pikir, perilaku, dan emosi penderita dapat dilakukan secara terukur, mengurangi beban subjektivitas dalam wawancara klinis konvensional.
Keberhasilan publikasi riset ini sekaligus mempertegas komitmen ITSK RS dr. Soepraoen Malang dalam mencetak lulusan yang mampu menjawab tantangan kesehatan nasional melalui solusi informatika. Sinergi antara ilmu kedokteran dan teknik informatika yang diusung dalam penelitian ini diharapkan dapat memicu riset-riset kolaboratif lainnya di masa depan. Dengan dukungan teknologi yang tepat, akses terhadap diagnosis kesehatan mental yang akurat diharapkan tidak lagi menjadi hal yang sulit dijangkau, melainkan menjadi layanan yang inklusif bagi seluruh lapisan masyarakat Indonesia.
Pranala luar:
- https://journal.ilmudata.co.id/index.php/RIGGS/article/view/1053/668
- https://journal.ilmudata.co.id/index.php/RIGGS/article/view/1053/
- https://doi.org/10.31004/riggs.v4i2.1053
R. Choirunnisa, M. Anshori, and W. T. Kusuma, “Improving Random Forest Evaluation in Mental Health Disorder Identification with Cross Validation”, RIGGS, vol. 4, no. 2, pp. 3526–3534, Jun. 2025.