MODEL PREDIKSI GANGGUAN DEPRESI BERDASARKAN INTERAKSI SOSIAL DAN PENGGUNAAN MEDIA SOSIAL DENGAN ALGORITMA NAIVE BAYES

Abstract

Meningkatnya prevalensi aktivitas digital di kalangan remaja telah memicu transformasi pola interaksi sosial. Perubahan ini berdampak pada kerentanan terhadap gangguan psikologis seperti depresi, namun instrumen deteksi saat ini masih terbatas pada analisis variabel tunggal yang kurang komprehensif. Penelitian ini bertujuan mengusulkan model inovatif untuk mengklasifikasikan risiko depresi dengan mengintegrasikan dimensi perilaku digital dan dinamika interaksi sosial. Metodologi studi mengikuti siklus Knowledge Discovery in Databases (KDD) dengan menerapkan algoritma Gaussian Naive Bayes pada dataset berjumlah 8.000 observasi. Variabel inti yang dianalisis meliputi profil demografis, durasi penggunaan perangkat (screen time), pola istirahat, dan tingkat interaksi sosial. Temuan studi menunjukkan model berhasil mencapai tingkat akurasi sebesar 75,88%. Intensitas penggunaan media sosial dan durasi tidur teridentifikasi sebagai faktor determinan paling krusial dalam memicu risiko depresi. Sebagai kontribusi praktis, model ini diintegrasikan pada antarmuka berbasis web menggunakan Streamlit untuk memfasilitasi skrining kesehatan mental secara mandiri dan real-time