Dini Fakta Sari, S.T., M.T. Contributor Edwanto, Rizqullah Rifqi - 195410188 Primary Author mixed material bibliography Yogyakarta UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI) 2024 monographic id Indonesia

Text Skripsi

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. PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) PREDIKSI NONE Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia 107 EDW P R.1 EDW0107IN0124 Rak Referensi Skripsi Informatika 107 EDW P R.1 17442 2024-09-23 15:07:22 2024-09-23 15:08:32 machine generated