Klasifikasi personality traits berdasarkan data Myers–Briggs Type Indicator (MBTI) menggunakan metode Algoritma Genetika-Random Forest

Kepribadian merupakan kombinasi berbagai sifat yang merepresentasikan persepsi diri, nilai, dan sikap seseorang. Penilaian kepribadian penting karena dapat memengaruhi interaksi seseorang terhadap lingkungannya. Salah satu metode populer untuk penilaian ini adalah Myers–Briggs Type Indicator (MBTI), yang mengukur preferensi psikologis berdasarkan empat dimensi: Ekstrovert (E)-Introvert (I), Sensing (S)-iNtuition (N), Thinking (T)-Feeling (F), dan Judging (J)-Perceiving (P). MBTI sering digunakan untuk menentukan kesesuaian seseorang dalam penempatan kerja. Tujuan dari penelitian ini adalah untuk mengetahui hasil akurasi klasifikasi tipe kepribadian MBTI. Penelitian ini menggunakan metode Random Forest untuk klasifikasi, yang menggabungkan pohon keputusan untuk meningkatkan Accuracy dan mengurangi overfitting. Penentuan parameter optimal berperan penting dalam mencapai nilai Accuracy yang tinggi sehingga dilakukan optimasi dengan Algoritma Genetika. Algoritma ini bekerja berdasarkan prinsip seleksi alam dan mengkombinasikan gen terbaik untuk menemukan parameter optimal. Pada penelitian ini, data diperoleh dari website online kaggle yang berisi 60 pernyataan tentang penilaian kepribadian. Hasil klasifikasi Random Forest tanpa optimasi dengan menggunakan pembagian data yang sama yaitu Accuracy sebesar 95.29%, Precision sebesar 95.3%, Recall sebesar 95.29%, dan F1 score sebesar 95.28%. Menggunakan parameter yang telah dioptimasi, hasil klasifikasi berdasarkan Confusion Matrix menghasilkan Accuracy sebesar 97.45%, Precision sebesar 97.5%, Recall sebesar 97.45%, dan F1 score sebesar 97.45%. Penelitian ini menyimpulkan bahwa implementasi metode Algoritma Genetika dan Random Forest menghasilkan kinerja yang baik dengan peningkatan akurasi 0,2%