PREDIKSI GANGGUAN KECEMASAN (ANXIETY DISORDER) AKIBAT PANDEMI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE (SVM)

Amra, Elika Rhamadita (2022) PREDIKSI GANGGUAN KECEMASAN (ANXIETY DISORDER) AKIBAT PANDEMI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE (SVM). Sarjana thesis, UNIVERSITAS KHAIRUN.

	Text COVER SKRIPSI.pdf - Published Version Download (90kB)
	Text ABSTRAK INDONESIA-INGGRIS.pdf - Published Version Download (294kB)
	Text (------------------------�----2318800680106625976149887269 Content-Disposition: form-data; name="c3_doc21002_security" public) BAB I.pdf Restricted to UNSPECIFIED Download (141kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf - Published Version Download (183kB)

Abstract

Melemahnya perekonomian saat pandemi COVID-19 menjadi kekhawatiran setiap orang, hal ini dapat mempengaruh kesehatan mental seseorang. Salah satu yang kerap terjadi adalah gangguan kecemasan (Anxiety Disorder). Oleh karena itu dilakukannya penelitian prediksi gangguan kecemasan akibat COVID-19 dengan mentode Support Vector Machine (SVM). Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam melakukan prediksi gangguan kecemasan akibat COVID-19 serta menghitung besar akurasi dari metode Support Vector Machine (SVM). Model algoritma Support Vector Machine (SVM) adalah usaha mencari hyperplane “terbaik” yang berperan penting sebagai garis batas dua buah kelas. SVM mencari hyperplane ini berdasarkan support vectors dan margin. Support vectors adalah seluruh vector data yang berjarak paling dekat dengan hyperplane, sedangkan margin menyatakan lebar dari separating hyperplane. Dari penelitian yang dilakukan, akurasi terbaik yang didapat menggunakan 294 data testing dengan ambang batas 1 adalah pada percobaan dengan data training dari dataset sekunder yaitu sebesar 87%, serta besar precision dengan menggunakan jumlah data dan ambang batas yang sama sebesar 73%, dan recall sebesar 97%. Sedangkan untuk data training dari dataset primer dengan 136 data menghasilkan akurasi sebesar 90%, precision 96% dan recall 86%. Dengan begitu algoritma SVM dikatakan berhasil dalam melakukan prediksi gangguan kecemasan akibat pandemi COVID-19. Kata kunci: Prediksi, Gangguan Kecemasan, Support Vector Machine

Item Type:	Thesis (Sarjana)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) T Technology > TL Motor vehicles. Aeronautics. Astronautics
Divisions:	Fakultas > Teknik Informatika Fakultas > Teknik Informatika Fakultas > Teknik Informatika
Depositing User:	Unnamed user with username yurni
Date Deposited:	29 Nov 2023 05:35
Last Modified:	29 Nov 2023 05:35
URI:	http://digilib.unkhair.ac.id/id/eprint/3730

Actions (login required)

View Item