Studi ini akan menerapkan algoritma Naive Bayes untuk mengklasifikasikan gangguan kesehatan mental pada orang tua di Panti Sosial Tresna Werdha di Cipayung, Jakarta Timur. Depresi, kecemasan, dan stres adalah gangguan kesehatan mental yang dikategorikan. Latar belakang penelitian ini didasarkan pada pentingnya deteksi dini untuk perawatan yang lebih cepat dan tingginya prevalensi gangguan mental pada orang dewasa di Indonesia, yang mencapai sekitar 77%. Proses CRISP-DM (Cross Industry Standard Process for Data Mining) adalah metodologi yang digunakan dalam penelitian ini. Metodologi ini terdiri dari tahap pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Panti Sosial Tresna Werdha menerima 80 orang tua untuk mengisi kuesioner untuk mengumpulkan data penelitian. Metode Naive Bayes dipilih karena mudah digunakan dan kinerjanya yang baik dalam klasifikasi data. Hasil penelitian menunjukkan bahwa model Naive Bayes yang diterapkan memiliki akurasi sebesar 97% dalam mengklasifikasikan gangguan kesehatan mental pada orang tua. Matriks konfusi, yang mengukur akurasi, presisi, recall, dan AUC, digunakan untuk mengevaluasi model ini. Model ini memiliki nilai presisi keseluruhan sebesar 94% dan nilai recall keseluruhan sebesar 97%.

This study implements the Naive Bayes algorithm to classify mental health disorders in the elderly at the Tresna Werdha Social Institution in Cipayung, East Jakarta. The mental health disorders categorized include depression, anxiety, and stress. The background of this research is based on the importance of early detection for prompt care and the high prevalence of mental disorders among the elderly in Indonesia, which reaches approximately 77%. The CRISP-DM (Cross Industry Standard Process for Data Mining) methodology was used in this research. This methodology comprises the stages of business understanding, data understanding, data preparation, modeling, evaluation, and deployment. Data for this study was collected through questionnaires filled out by 80 elderly residents at the Tresna Werdha Social Institution. The Naive Bayes method was chosen for its simplicity and good performance in data classification. The results of the study indicate that the Naive Bayes model applied has an accuracy of 97% in classifying mental health disorders in the elderly. The confusion matrix, which measures accuracy, precision, recall, and AUC, was used to evaluate this model. The model has an overall precision value of 94% and an overall recall value of 97%.