Implementasi Metode Fuzzy Tsukamoto Untuk Deteksi Dini Tingkat Depresi Mahasiswa Yang Sedang Menempuh Skripsi (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)
| Main Authors: | Sugihartono, Priscillia Pravina Putri, Nurul Hidayat, S.Pd., M.Sc.,, Tibyani, S.T., M.T. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/193317/1/0520150402-%20Priscillia%20Pravina%20Putri%20Sugihartono.pdf http://repository.ub.ac.id/id/eprint/193317/ |
Daftar Isi:
- Kesehatan mental merupakan suatu kondisi dimana psikologis ataupun emosional seorang individu befungsi secara baik. Seorang individu yang sehat secara mental dapat menangani permasalahan dengan baik, memiliki pengaturan emosi yang baik dan stabil, dan dapat melakukan kegiatan sehari-hari secara produktif. Ketika seorang individu mengalami hal sebaliknya, maka inilah yang disebut dengan gangguan kesehatan mental. Mengingat gangguan kesehatan mental adalah penyakit yang tidak terlihat dan sulit dirasakan, hal ini menimbulkan kurangnya kesadaran akan kesehatan mental. Salah satu gangguan kesehatan mental yang umum dialami ialah depresi. Dalam penelitian ini, peneliti meneliti mengenai tingkat depresi yang dialami mahasiswa Fakultas Ilmu Komputer yang sedang menempuh skripsi dengan menggunakan machine learning dengan harapan dapat mendeteksi dini gangguan depresi yang dialami mahasiswa. 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). Algoritme machine learning yang digunakan ialah Fuzzy Tsukamoto. Dengan menggunakan 65 data kasus, dihasilkan tingkat akurasi sebesar 76,92%.