Edwanto, Rizqullah Rifqi (2024) PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK PREDIKSI DEPRESI, KECEMASAN, DAN STRES. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text
1_195410188_HALAMAN_DEPAN.pdf - Published Version Download (682kB) |
|
Text
2_195410188_BAB_I.pdf - Published Version Download (194kB) |
|
Text
3_195410188_BAB_II.pdf - Published Version Download (377kB) |
|
Text
4_195410188_BAB_III.pdf - Published Version Restricted to Repository staff only Download (366kB) |
|
Text
5_195410188_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (980kB) |
|
Text
6_195410188_BAB_V.pdf - Published Version Download (179kB) |
|
Text
7_195410188_DAFTAR_PUSTAKA.pdf - Published Version Download (131kB) |
|
Text
8_195410188_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (506kB) |
|
Text
9_195410188_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (541kB) |
Abstract
Peningkatan prevalensi depresi, kecemasan, dan stres di masyarakat modern menyoroti pentingnya pengembangan sistem yang efektif untuk deteksi dini dan klasifikasi kondisi kesehatan mental. Penelitian ini menjawab kebutuhan tersebut dengan memanfaatkan skala DASS-42 untuk mengukur tingkat keparahan kondisi mental secara komprehensif. Data penelitian terdiri dari 5000 sampel, di mana 100 sampel diisi oleh psikiater dan 4900 sampel lainnya dihasilkan secara otomatis menggunakan script Python. Data tersebut dikelompokkan ke dalam kategori spesifik seperti "Normal," "Ringan," "Sedang," "Berat," dan "Sangat Berat" melalui labeling otomatis. Untuk prediksi, digunakan model Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF) yang dikenal efektif dalam menangani data non-linear. Model SVM yang dikembangkan mencapai akurasi 99.3%, menunjukkan kinerjanya yang sangat baik dalam deteksi dini kondisi kesehatan mental. Penelitian ini tidak hanya meningkatkan akurasi diagnosis mental tetapi juga membuka peluang untuk sistem prediksi berbasis teknologi yang dapat diakses lebih luas, mendukung upaya pencegahan kondisi mental yang lebih serius. Kata Kunci : Deteksi Dini, DASS-42, SVM, Kesehatan Mental.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Dini Fakta Sari, S.T., M.T |
| Uncontrolled Keywords: | Deteksi Dini, DASS-42, SVM, Kesehatan Mental. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > TEKNIK SEARCH ENGINE A Karya Umum (General) > Ilmu Komputer (Computer Science) > Teknologi Informasi A Karya Umum (General) > Metode Riset |
| Divisions: | Jenjang S1 > Informatika (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 23 Sep 2024 08:02 |
| Last Modified: | 23 Sep 2024 08:02 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10493 |
Actions (login required)
 |
View Item |
