Prediksi tingkat depresi berdasarkan status media sosial menggunakan metode certainty factor dan support vector machine

Kurniawan, Nanda Wawan (2018) Prediksi tingkat depresi berdasarkan status media sosial menggunakan metode certainty factor dan support vector machine. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (147kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (102kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (122kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (315kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (337kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (872kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (267kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (25kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (232kB) | Request a copy

Abstract

Menurut data dari Word Health Organization (WHO) terdapat 35 juta orang yang mengalami depresi, 60 juta orang yang terkena bipolat dan 21 juta terkena skizofrenia, serta 47,5 juta terkena dimensia[1]. Mendeteksi tingkat depresi berdasarkan status media sosial ini bisa dilakukan dengan cara mengambil data status dari halaman media sosial, hal itu bisa dilakukan dengan cara melakukan crawler. Status media sosial yang telah didapat nantinya akan dilakukan proses klasifikasi menggunakan support vector machine, kemudian untuk mendapatkan hasil tingkat depresi status media sosial akan diprediksi memiliki tingkat depresi atau tidak menggunakan certainty fector. Hasil penelitian ini mengeluarkan nilai akurasi dari klasifikasi yang dilakukan support vector machine sebesar 100 - 80%, sedangkan untuk certainty factor berdasarkan hasil 11 kasus didapati 1 kasus diprediksi depresi dan 10 kasus tidak prediksi depresi. hasil dari prediksi menggunakan certainty factor ini sesuai dengan data ahli.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Depresi; Support Vector Machine; Certainty Factor; Prediksi Tingkat Depresi
Subjects: Data Processing, Computer Science > Computer Science Education
Special Computer Methods
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: ST Nanda Wawan Kurniawan
Date Deposited: 19 Sep 2018 03:24
Last Modified: 26 Dec 2018 02:49
URI: https://digilib.uinsgd.ac.id/id/eprint/13803

Actions (login required)

View Item View Item