Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree Untuk Deteksi Tingkat Depresi Mahasiswa
Abstract
Depresi adalah gangguan kesehatan mental umum yang dapat mempengaruhi orang-orang dari segala usia dan dari semua lapisan masyarakat. Deteksi dan intervensi dini sangat penting untuk mengelola depresi dan mencegah konsekuensi negatifnya. Dalam beberapa tahun terakhir, algoritma pembelajaran mesin telah digunakan untuk mendeteksi tingkat depresi pada individu. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Decision Tree dalam mendeteksi tingkat depresi pada mahasiswa.Kumpulan data yang digunakan dalam penelitian ini dikumpulkan dari 787 mahasiswa di Universitas Lahore dan memasukkan 19 variabel yang berkaitan dengan gejala depresi, gaya hidup, dan demografi. Algoritma Chi-Square digunakan untuk pemilihan fitur dan algoritma Decision Tree dan SVM digunakan untuk pemodelan. Studi tersebut menemukan bahwa kedua algoritme tersebut sangat akurat dalam mendeteksi depresi pada mahasiswa, dengan model SVM memiliki tingkat akurasi 95% lebih tinggi daripada model pohon keputusan. Penulis telah menyajikan data dan tabel secara visual yang menunjukkan akurasi dan ukuran evaluasi model. Studi menyimpulkan bahwa model SVM sangat akurat dalam mendeteksi tingkat depresi pada mahasiswa dan dapat digunakan sebagai alat yang dapat diandalkan untuk deteksi dini dan intervensi. Hasil penelitian ini memiliki implikasi penting bagi psikolog untuk mengambil tindakan. Algoritma pembelajaran mesin dapat digunakan untuk mendeteksi tingkat depresi individu, yang pada gilirannya dapat membantu deteksi dini dan intervensi. Ini dapat mengarah pada manajemen depresi yang lebih baik dan hasil kesehatan mental yang lebih baik. Namun, penelitian lebih lanjut diperlukan untuk memvalidasi hasil penelitian ini dan untuk mengeksplorasi potensi algoritma pembelajaran mesin dalam mendeteksi tingkat depresi pada populasi lain.References
[1] N. I. Kurniati, H. Mubarok, and A. Reinaldi, “Rancang Bangun Sistem Pakar Diagnosa tingkat Depresi Pada Mahasiswa Tingkat Akhir Menggunakan Metode Fuzzy Tsukamoto(Studi Kasus : Universitas Siliwangi),†vol. 2, no. 1, 2017.
[2] D. Septiani, U. Enri, N. Sulistiyowati, T. Informatika, and U. S. Karawang, “STRING (Satuan Tulisan Riset dan Inovasi Teknologi) DIAGNOSA TINGKAT DEPRESI MAHASISWA SELAMA MASA PANDEMI COVID-19 MENGGUNAKAN ALGORITMA RANDOM FOREST.â€
[3] R. Wajhillah, S. Bahri, and A. Wibowo, “Komparasi Metode Machine Learning pada Diagnosa Gangguan Kejiwaan Depresi,†2020. [Online]. Available: https://www.kaggle.com/everseek/depression
[4] M. Jordan, J. Kleinberg, and B. Schölkopf, “Pattern Recognition and Machine Learning.â€
[5] A. W. Putri, B. Wibhawa, and A. S. Gutama, “Kesehatan Mental Masyarakat Indonesia (Pengetahuan, Dan Keterbukaan Masyarakat Terhadap Gangguan Kesehatan Mental),†Prosiding Penelitian dan Pengabdian kepada Masyarakat, vol. 2, no. 2, pp. 252–258, 2015, doi: 10.24198/jppm.v2i2.13535.
[6] I. C. Negara and A. Prabowo, “Penggunaan Uji Chi–Square untuk Mengetahui Pengaruh Tingkat Pendidikan dan Umur terhadap Pengetahuan Penasun Mengenai HIV–AIDS di Provinsi DKI Jakarta,†Prosiding Seminar Nasional Matematika dan Terapannya 2018, vol. 1, no. 1, pp. 1–8, 2018.
[7] A. T. Setyanto, “Deteksi Dini Prevalensi Gangguan Kesehatan Mental Mahasiswa di Perguruan Tinggi,†Wacana, vol. 15, no. 1, p. 66, 2023, doi: 10.20961/wacana.v15i1.69548.
[8] D. Avianto, “Pengenalan Pola Karakter Plat Nomor Kendaraan Menggunakan Algoritma Momentum Backpropagation Neural Network,†Jurnal Informatika, vol. 10, no. 1, pp. 1199–1209, 2016, doi: 10.26555/jifo.v10i1.a3352.
[9] E. Deliviana, Maria Helena Erni, Putri Melina Hilery, and Novi Melly Naomi, “Jurnal Selaras : Kajian Bimbingan dan Konseling serta Psikologi Pendidikan,†Jurnal Selaras : Kajian Bimbingan dan Konseling serta Psikologi Pendidikan, vol. 3, no. 2, pp. 129–138, 2021.
[10] A. Suryanto and S. Nada, “Analisis Kesehatan Mental Mahasiswa Perguruan Tinggi Pada Awal Terjangkitnya Covid-19 di Indonesia,†Jurnal Citizenship Virtues, vol. 1, no. 2, pp. 83–97, 2021.
[2] D. Septiani, U. Enri, N. Sulistiyowati, T. Informatika, and U. S. Karawang, “STRING (Satuan Tulisan Riset dan Inovasi Teknologi) DIAGNOSA TINGKAT DEPRESI MAHASISWA SELAMA MASA PANDEMI COVID-19 MENGGUNAKAN ALGORITMA RANDOM FOREST.â€
[3] R. Wajhillah, S. Bahri, and A. Wibowo, “Komparasi Metode Machine Learning pada Diagnosa Gangguan Kejiwaan Depresi,†2020. [Online]. Available: https://www.kaggle.com/everseek/depression
[4] M. Jordan, J. Kleinberg, and B. Schölkopf, “Pattern Recognition and Machine Learning.â€
[5] A. W. Putri, B. Wibhawa, and A. S. Gutama, “Kesehatan Mental Masyarakat Indonesia (Pengetahuan, Dan Keterbukaan Masyarakat Terhadap Gangguan Kesehatan Mental),†Prosiding Penelitian dan Pengabdian kepada Masyarakat, vol. 2, no. 2, pp. 252–258, 2015, doi: 10.24198/jppm.v2i2.13535.
[6] I. C. Negara and A. Prabowo, “Penggunaan Uji Chi–Square untuk Mengetahui Pengaruh Tingkat Pendidikan dan Umur terhadap Pengetahuan Penasun Mengenai HIV–AIDS di Provinsi DKI Jakarta,†Prosiding Seminar Nasional Matematika dan Terapannya 2018, vol. 1, no. 1, pp. 1–8, 2018.
[7] A. T. Setyanto, “Deteksi Dini Prevalensi Gangguan Kesehatan Mental Mahasiswa di Perguruan Tinggi,†Wacana, vol. 15, no. 1, p. 66, 2023, doi: 10.20961/wacana.v15i1.69548.
[8] D. Avianto, “Pengenalan Pola Karakter Plat Nomor Kendaraan Menggunakan Algoritma Momentum Backpropagation Neural Network,†Jurnal Informatika, vol. 10, no. 1, pp. 1199–1209, 2016, doi: 10.26555/jifo.v10i1.a3352.
[9] E. Deliviana, Maria Helena Erni, Putri Melina Hilery, and Novi Melly Naomi, “Jurnal Selaras : Kajian Bimbingan dan Konseling serta Psikologi Pendidikan,†Jurnal Selaras : Kajian Bimbingan dan Konseling serta Psikologi Pendidikan, vol. 3, no. 2, pp. 129–138, 2021.
[10] A. Suryanto and S. Nada, “Analisis Kesehatan Mental Mahasiswa Perguruan Tinggi Pada Awal Terjangkitnya Covid-19 di Indonesia,†Jurnal Citizenship Virtues, vol. 1, no. 2, pp. 83–97, 2021.
Published
2023-06-29
How to Cite
ZULFAHMI, Ihsan et al.
Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree Untuk Deteksi Tingkat Depresi Mahasiswa.
BINA INSANI ICT JOURNAL, [S.l.], v. 10, n. 1, p. 52-61, june 2023.
ISSN 2527-9777.
Available at: <http://ejournal-binainsani.ac.id/index.php/BIICT/article/view/2304>. Date accessed: 08 sep. 2024.
doi: https://doi.org/10.51211/biict.v10i1.2304.
Section
Articles
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
