Kholiq, Nizar Abdul (2025) MODEL PREDIKSI GANGGUAN KESEHATAN MENTAL BERDASARKAN TEKS DAN VALIDASI KUESIONER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (TA.2.25.034). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Nizar Abdul Kholiq, Program Studi D-IV Teknik Informatika, Model Prediksi dan Validasi Gangguan Kesehatan Mental Berdasarkan Teks Menggunakan Algoritma Support Vector Machine. Kesehatan mental merupakan aspek penting yang memengaruhi cara berpikir, merasakan, dan bertindak. Penelitian ini membangun model prediksi gangguan kesehatan mental seperti depresi, kecemasan, PTSD, dan bipolar berdasarkan teks naratif pengguna, serta memvalidasi hasilnya melalui pencocokan dengan 27 indikator gejala psikologis biner. Data diperoleh dari platform Kaggle dan diolah menggunakan algoritma Support Vector Machine (SVM) dengan ekstraksi fitur TF- IDF. Pengembangan model mengikuti tahapan CRISP-DM. Model pertama mengklasifikasikan status kesehatan mental dari teks, sedangkan model kedua memvalidasi hasil klasifikasi berdasarkan kesesuaian gejala. Evaluasi menggunakan akurasi, precision, recall, dan F1-score. Hasil menunjukkan performa stabil dengan akurasi 73,3%–73,9%, di mana skema 80:20 mencapai 73,88% dan weighted F1-score 0,72–0,73. Kelas mayoritas seperti Depression, Normal, dan Anxiety memiliki F1-score tinggi, sementara kelas minoritas seperti Personality Disorder dan Suicidal menunjukkan recall rendah akibat ketidakseimbangan data. Pendekatan ini berkontribusi pada pengembangan sistem skrining gangguan mental berbasis machine learning yang akurat, efisien, dan dapat diimplementasikan di berbagai konteks. Kata Kunci: Kesehatan Mental, Support Vector Machine, Teks Naratif, Validasi
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 29 Sep 2025 08:46 |
| Last Modified: | 29 Sep 2025 08:46 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3648 |
Actions (login required)
 |
View Item |
