SISTEM PAKAR IDENTIFIKASI AWAL DEPRESI MENGGUNAKAN NATURAL LANGUAGE PROCESSING

Abstract

Tanpa disadari gangguan mental seringkali dimulai dengan gejala ringan seperti kecemasan dan depresi. Pada kasus depresi dengan jangka waktu yang lama dapat berakibat terganggunya pola pikir seseorang dan timbul keinginan bunuh diri. Berdasarkan data WHO pada tahun 2010 angka bunuh diri akibat depresi di Indonesia mencapai 1,6 sampai 1,8 per 100.000 jiwa. Sayangnya gejala gangguan depresi sering sulit dikenali karena rangkaian keluhan penderita berupa narasi medis atau teks yang tidak terstruktur yang ditulis oleh dokter. Sehingga untuk mendapatkan diagnosis dilakukan dengan mengekstrak gejala dari data keluhan yang berupa teks narasi medis. Sistem pakar pada penelitian ini dibangun dengan penalaran berbasis aturan dan pohon keputusan karena proses aturan yang harus dipenuhi berurutan dari “masa gangguan depresi”, “batas waktu keluhan” dan “jumlah gejala” hingga menghasilkan diagnosis. Pendekatan natural language processing digunakan untuk mengekstrak gejala pada narasi medis atau teks keluhan pasien. Dari pengujian menggunakan 60 data sampel menunjukan 73% tingkat valid sehingga proses ekstraksi gejala menggunakan NLP pada data teks narasi keluhan medis dinilai kurang maksimal dilihat dari penurunan tingkat valid berdasarkan kategori gangguan depresi yang memiliki ketergantungan syarat jumlah gejala yang lebih banyak. Dari penilaian FGD sebanyak 88.6% setuju dimana 22,8% menyatakan sangat setuju pada saat mencoba sistem pakar yang dibangun dapat membantu pakar memudahkan proses penegakan diagnosis gangguan awal depresi.