KLASIFIKASI GANGGUAN KESEHATAN MENTAL MENGGUNAKAN JARINGAN SYARAF TIRUAN

Menurut Pusat Data dan Informasi Kementrian dan Kesehatan, gangguan depresi menempati peringkat pertama jenis gangguan jiwa di Indonesia dalam tiga dekade (1990-2017). Hasil Riskesdas 2018 menunjukkan penderita gangguan jiwa dialami sejak usia remaja 15-24 tahun sebesar 6.2%, 55-64 tahun sebesar 6.5%, 65-74 tahun sebesar 8.0% dan tertinggi 75+ tahun sebesar 8.9%. Data survei tahun 2020 oleh Organisasi Perhimpunan Dokter Spesialis Kedokteran Jiwa Indonesia tingkat prevelensi gangguan depresi sebesar 62% dari 4010 swaperiksa di 34 provinsi di Indonesia. Gangguan kesehatan mental ini juga ditemukan pada usia 17-29 tahun dan diatas usia 60 tahun. Tingkat prevelensi kejadian yang tinggi dan meningkat seiring usia menyulitkan pihak pemerintah untuk melakukan pencegahan dan pengendalian gangguan depresi di Indonesia. Pada penelitian ini, database Distress Analysis Interview Corpus Wizard-of-Oz (DAIC-WOZ) digunakan untuk mendukung diagnosis kondisi psikologis depresi dan gangguan stress pasca trauma (PTSD). Database berisi 189 sesi video wawancara partisipan dan data olah hasil ekstraksi deteksi wajah berupa Facial Action Unit dan hasil label Patient Healt Questioner-8. Untuk klasifikasi diterapkan arisitektur Jaringan Syaraf Tiruan dengan tiga algoritma fungsi yaitu Scaled Conjugate Gradient Method, Bayesian Regularization dan Levenberg Marquardt serta parameter pelatihan meliputi iterasi (epoch), hidden neuron untuk memperbarui dan menyesesuaikan bobot, ratio training-validation-testing untuk perbandingan data dan laju pembelajaran (learning rate). Dari hasil eksperimen algoritma Scaled Conjugate Gradient Method mendapatkan akurasi dari nilai parameter uji terbaik sebesar 76.05%, Levenberg Marquardt dengan akurasi 92.24% dan Bayesian Regularization dengan tingkat akurasi 96.81%. Dari tiga algoritma, algoritma Bayesian Regularization memiliki tingkat akurasi terbaik. Hal ini menunjukkan bahwa model Jaringan Syaraf Tiruan memiliki potensi untuk melakukan deteksi gangguan kesehatan mental.

1.  UEU-Undergraduate-24244-COVER.Image.Marked.pdf - 195 KB
2.  UEU-Undergraduate-24244-HALAMAN KEASLIAN.Image.Marked.pdf - 5703 KB
3.  UEU-Undergraduate-24244-HALAMAN PENGESAHAN.Image.Marked.pdf - 252 KB
4.  UEU-Undergraduate-24244-KATA PENGANTAR.Image.Marked.pdf - 493 KB
5.  UEU-Undergraduate-24244-HALAMAN PUBLIKASI.Image.Marked.pdf - 429 KB
6.  UEU-Undergraduate-24244-ABSTRAK.Image.Marked.pdf - 367 KB
7.  UEU-Undergraduate-24244-DAFTAR ISI.Image.Marked.pdf - 373 KB
8.  UEU-Undergraduate-24244-DAFTAR PUSTAKA.Image.Marked.pdf - 302 KB
9.  UEU-Undergraduate-24244-LAMPIRAN.Image.Marked.pdf - 1493 KB
10.  UEU-Undergraduate-24244-BAB1.Image.Marked.pdf - 319 KB

• HUBUNGAN ANTARA BODY MASS INDEX (BMI) DENGAN DEPRESI PADA KARYAWAN UNIVERSITAS ESA UNGGUL
• PSIKOEDUKASI SEHAT EMOSI DI TENGAH PANDEMI DI GEREJA STANISLAUS KOSTKA, KRANGGAN, CIBUBUR
• PENGENALAN GAYA PENGASUHAN DAN PENINGKATAN PANTAU PERTUMBUHAN ANAK USIA SEKOLAH DASAR
• PENGELOLAAN RISIKO GANGGUAN MENTAL PADA PEKERJA PT.X DI MASA PANDEMI COVID-19 TAHUN 2021
• PENGARUH 7 ZAT GIZI PENTING UNTUK MENJAGA KESEHATAN MENTAL, BUNDA PERLU TAHU
• PEER REVIEW PATEN/HAK CIPTA BOOKLET : MENGELOLA KESEHATAN MENTAL PEKERJA DI MASA PANDEMI COVID-19
• PROFIL RINGKASAN LITABMAS : UPAYA PENINGKATAN PENGETAHUAN KESEHATAN MENTAL DI TEMPAT KERJA
• MENTAL HEALTH CONDITIONS OF PERSONS IN THE COMMUNITY AND OF HEALTH CARE WORKERS DURING THE COVID-19 PANDEMIC: AN INTEGRATIVE REVIEW
• PREDIKSI PENJUALAN MAKANAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
• KLASIFIKASI GANGGUAN KESEHATAN MENTAL MENGGUNAKAN JARINGAN SYARAF TIRUAN