ABSTRAK Nama : Lulu Ilmaknun Qurotaini Program Studi : Ilmu Komputer Judul : Deteksi Dini Gejala Psikosis pada Kelompok Risiko Tinggi di Indonesia dengan Analisis Koherensi berbasis Machine Learning Defisit kognitif yang terjadi pada gangguan psikotik menimbulkan adanya gejala berbicara yang inkoheren pada kelompok risiko tinggi gejala psikosis. Analisis koherensi dalam mendeteksi gejala ini masih dilakukan secara manual dan subjektif oleh dokter spesialis. Dengan berkembangnya teknologi pengolahan bahasa manusia, ekstraksi fitur linguistik dapat dilakukan untuk mendeteksi gangguan berbicara ini secara otomatis dengan bantuan machine learning. Penelitian ini memiliki tujuan membuat model prediksi koherensi untuk mendeteksi gejala psikosis pada kelompok risiko tinggi. Ekstraksi dan analisis fitur dilakukan berdasarkan aspek analisis koherensi yang digunakan dokter spesialis dalam mendeteksi gejala psikosis. Ekstraksi fitur dilakukan terhadap 12 dokumen transkrip wawancara yang dipecah menjadi 105 segmen wawancara dengan 59 segmen koheren dan 49 segmen inkoheren. Fitur yang telah diekstraksi kemudian digunakan untuk membuat model prediksi dengan enam classifier, yaitu convex hull classifier, random forest classifier, logistic regression, linear SVM, RBF SVM, dan sigmoid SVM. Hasil analisis fitur menunjukkan adanya perbedaan yang signifikan antara kelompok koheren dan inkoheren pada penggunaan adverbia, semantic similarity dari segmen, dan representasi vektor topik dengan latent semantic analysis. Proses klasifikasi teks menghasilkan akurasi tertinggi sebesar 84.9% pada testing dan sebesar 100% pada training dengan menggunakan random forest classifier. Kata kunci: clinical high-risk, ekstraksi fitur, klasifikasi, koherensi, machine learning, NLP, psikosis