Analisis Data Mining Menggunakan Metode Naive Bayes untuk Diagnosa Penyakit Kleptomania

Abstract

Kleptomania merupakan salah satu gangguan kontrol impuls yang ditandai dengan dorongan berulang untuk mencuri barang tanpa motif ekonomi maupun kebutuhan pribadi. Diagnosis kleptomania sering kali sulit dilakukan karena gejala yang tumpang tindih dengan gangguan kejiwaan lain, seperti depresi, kecemasan, maupun obsessive compulsive disorder (OCD). Seiring berkembangnya teknologi informasi, data mining menawarkan pendekatan baru dalam membantu proses identifikasi gangguan kejiwaan melalui analisis pola data. Penelitian ini menerapkan metode Naïve Bayes sebagai salah satu algoritma klasifikasi probabilistik dalam menganalisis data gejala dan riwayat pasien yang berhubungan dengan kleptomania. Metode ini dipilih karena memiliki tingkat akurasi yang cukup tinggi, sederhana dalam implementasi, serta efektif dalam menangani data dengan jumlah atribut yang relatif besar. Hasil pengujian menunjukkan bahwa Naïve Bayes mampu memberikan tingkat akurasi diagnosis yang kompetitif, sekaligus mendukung pengambilan keputusan dalam bidang psikiatri. Dengan demikian, penerapan data mining berbasis Naïve Bayes dapat menjadi alternatif solusi dalam membantu tenaga medis dan psikolog untuk mendeteksi dini serta memberikan intervensi yang lebih tepat terhadap penderita kleptomania.