EFEKTIVITAS ALGORITMA KECERDASAN BUATAN DALAM IMPLEMENTASI KESEHATAN MENTAL

Abstract

Kesehatan mental merupakan kondisi dimana perkembangan fisik, intelektual, dan emosional yang memungkinkan individu menjalani kehidupan sehari-hari secara optimal. Peningkatan jumlah kasus gangguan mental mendorong pemanfaatan kecerdasan buatan (Artificial Intelligence/AI) sebagai salah satu upaya untuk mendeteksi gangguan tersebut. Penelitian ini bertujuan untuk menganalisis bagaimana efektivitas penerapan AI dalam mendeteksi gangguan mental melalui pendekatan Systematic Literature Review (SLR). Metode yang digunakan adalah PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) untuk mengklasifikasikan serta menilai kualitas studi yang relevan. metode ini bertujuan menyusun gambaran komprehensif mengenai tren penelitian, performa algoritma, dan kesenjangan yang ada. Evaluasi mencakup berbagai algoritma AI, seperti Machine Learning, Deep Learning, dan Expert Systems, yang diaplikasikan pada berbagai jenis gangguan mental. Hasil penelitian menunjukkan bahwa algoritma Machine Learning, seperti Random Forest dan Naive Bayes, mencapai tingkat akurasi hingga 96% saat digunakan untuk menganalisis data terstruktur. Di sisi lain, algoritma Deep Learning, seperti LSTM (Long Short-Term Memory) dan BiLSTM (Bidirectional LSTM), memberikan akurasi hingga 94,12% dalam mengolah data tidak terstruktur. Sementara itu, Expert Systems memberikan hasil yang lebih baik pada diagnosis awal, terutama untuk gejala yang jelas dan dapat diprediksi. Penelitian ini diharapkan dapat memberikan wawasan mendalam mengenai efektivitas dan keandalan teknologi AI dalam mendukung deteksi dini gangguan mental.