Sistem Pakar Deteksi Dini Tingkat Depresi Mahasiswa Menggunakan Metode Modified K-Nearest Neighbor (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)
| Main Author: | Eka Damayanti, Alvina |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/184182/1/Alvina%20Eka%20Damayanti.pdf http://repository.ub.ac.id/184182/ |
Daftar Isi:
- Memasuki jenjang kedewasaan, tantangan hidup serta tanggung jawab akan semakin berat. Tidak terkecuali saat memasuki fase menjadi seorang mahasiswa, terutama mahasiswa tingkat akhir. Menurut hasil penelitian yang dilakukan oleh National College Health Assessment pada tahun 2014, sebanyak 33 persen mahasiswa yang menjalani survei mengalami depresi selama kurang lebih setahun belakangan. Akibat dari depresi ini, mahasiswa menjadi kesulitan untuk fokus belajar dan mengerjakan tugas, ditambah lagi dengan adanya pandemik covid 19 ini memaksa mahasiswa untuk melakukan kuliah daring (Dong & Bouey, 2020). Sebagian mahasiswa merasa tertekan karena banyaknya tugas yang diberikan dosen dalam waktu singkat, dan sebagian besar mahasiswa semester akhir merasa frustasi tidak bisa lulus tepat waktu karena proses penelitian dan bimbingan yang terhambat. Jika hal ini terus terjadi, akan memengaruhi kondisi mental mahasiswa yang berdampak pada penurunan minat belajar, prestasi, serta menurunnya kualitas lulusan yang diakibatkan oleh terganggunya kesehatan mental pada mahasiswa (Giacalone, et al., 2020). Melihat dampak yang ditimbulkan dari depresi akan lebih baik waspada terhadap kesehatan mental, namun kendala untuk melakukan konsultasi pun banyak, contohnya biaya psikolog yang cukup mahal. Maka dari itu dibutuhkan adanya sistem yang dapat mendeteksi dini tingkat kecenderungan depresi pada mahasiswa untuk mencegah terjadinya dampak lebih besar. Dalam penelitian ini akan mengimplementasikan sistem pakar untuk deteksi dini tingkat depresi mahasiswa menggunakan metode Modified K-Nearest Neighbor berbasis android. Instrumen depresi yang digunakan pada penelitian ini ialah University Students Depression Inventory (USDI) dengan tiga faktor gejala pembentuk yaitu faktor motivasi, faktor akademik, dan faktor lethargy (fisik). Dengan menggunakan 257 data kasus, dihasilkan tingkat akurasi sebesar 83,27%.