Hutabarat, Rizkyria Angelina Pandapotan (2025) Model Prediksi Gangguan Kesehatan Mental Berdasarkan Gaya Hidup Menggunakan Algoritma Support Vactor Machine. Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Rizkyria Angelina Pandapotan Hutabarat, Program Studi D-IV Teknik Informatika, Model Prediksi Gangguan Kesehatan Mental Berdasarkan Gaya Hidup Menggunakan Algoritma Support Vector Machine. Kesehatan mental merupakan aspek penting dalam kehidupan seseorang dan memiliki keterkaitan erat dengan gaya hidup. Penelitian ini bertujuan untuk membangun model prediksi gangguan kesehatan mental seperti depresi, kecemasan, PTSD, dan bipolar berdasarkan data gaya hidup menggunakan algoritma Support Vector Machine (SVM). Data yang digunakan diperoleh dari platform Zenodo, yang mencakup atribut seperti usia, jenis kelamin, tingkat stres, durasi tidur, kebiasaan merokok, konsumsi alkohol, aktivitas fisik, dan lainnya. Metodologi yang digunakan mengacu pada pendekatan CRISP-DM yang terdiri dari enam tahapan: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Proses preprocessing melibatkan penanganan ketidakseimbangan data menggunakan SMOTE. Dataset dibagi dalam rasio 80:20 untuk pelatihan dan pengujian model. Hasil evaluasi model menggunakan metrik akurasi, precision, recall, dan F1-score menunjukkan bahwa SVM memiliki performa yang baik dalam mengklasifikasikan kondisi gangguan kesehatan mental dengan akurasi 0.93%. Penelitian ini memberikan kontribusi dalam pemanfaatan machine learning untuk deteksi dini gangguan kesehatan mental dan diharapkan dapat menjadi alat bantu bagi pengambilan keputusan awal sebelum intervensi klinis dilakukan. Kata Kunci: Kesehatan mental, gaya hidup, prediksi, Support Vector Machine (SVM), CRISP-DM.
| 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 01:58 |
| Last Modified: | 29 Sep 2025 01:58 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3504 |
Actions (login required)
 |
View Item |
