Record Details

Sistem Pakar Sistem Pakar untuk Deteksi Dini Tingkat Depresi Mahasiswa menggunakan Metode Support Vector Machine (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Sistem Pakar Sistem Pakar untuk Deteksi Dini Tingkat Depresi Mahasiswa menggunakan Metode Support Vector Machine (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)
 
Added Entry - Uncontrolled Name Pratama, Teddy Syach
Soebroto, Arief Andy
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Mahasiswa merupakan seseorang yang sedang mengikuti jenjang di salah satu lembaga pendidikan tertinggi selama beberapa waktu. Mahasiswa ada beberapa tingkatan yaitu awal dan tingkat akhir. Di mana tingkat akhir merupakan langkah untuk mempersiapkan diri menyusun skripsi atau tugas akhir sebagai syarat kelulusan menjadi salah satu rintangan terberat. Dalam beberapa penelitian yang dilakukan pada tahun 2019 di salah satu universitas, 15 mahasiswa dengan umur rata-rata 21 sebagian memiliki tingkat depresi ringan sebesar (51,7%) , sedang (41,4%), ada 2 mahasiswa depresi tingkat tinggi (Mir et al., 2019). Sebagai mahasiswa tingkat akhir depresi merupakan suatu penyakit yang dapat menjangkit semua mahasiswa akhir termasuk mahasiswa bukan tingkat akhir. Oleh karena itu depresi pada mahasiswa harus ditangani dengan cepat dan tepat. Namun, kendala untuk melakukan penanganan membutuhkan ahli atau psikologi, ditambah minimnya orang yang mengerti tentang gangguan mental pada mahasiswa. Maka dari itu dibutuhkan adanya sistem yang dapat mendeteksi dini tingkat depresi pada mahasiswa untuk dapat menghentikan masalah yang lebih serius. Dalam penelitian ini akan mengimplementasikan sistem pakar untuk deteksi dini tingkat depresi mahasiswa menggunakan metode Support Vector Machine dengan kernel-RBF berbasis web. Dengan menggunakan 257 data dalam pengujiannya mendapatkan nilai rata-rata akurasi sebesar 90,6% serta nilai precision 87,8%, recall 83,2%, ­f1-score 85% dan didapatkan nilai parameter SVM terbaik pada nilai complexity (C) = 2, gamma (y) = 0,1, dan iterasimax = 1000 dengan rasio data 70%:30%. Dengan hasil nilai akurasi yang baik, maka penelitian ini dapat di implementasikan untuk membantu sistem pakar deteksi dini tingkat depresi mahasiswa menggunakan metode Support Vector Machine.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10364
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 6 No 1 (2022): Januari 2022
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com