BSIBSI
JURNAL TEKNIK KOMPUTER AMIK BSIJURNAL TEKNIK KOMPUTER AMIK BSIAnxiety disorder adalah gangguan kecemasan yang menyerang kesehatan mental seseorang sehingga dapat mengganggu aktivitas. Pengaruh media sosial menjadi salah satu pemicu gangguan kecemasan, dimana media sosial dijadikan objek untuk meluapkan perasaan yang dialami pengguna, contohnya Twitter atau aplikasi X. Penelitian ini dilakukan untuk memprediksi adanya anxiety disorder pada pengguna Twitter dilihat berdasarkan cuitan yang ada dengan menggunakan dua model, yaitu Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM) sehingga bisa dibandingkan mana yang lebih baik di antara dua metode tersebut. Data yang digunakan merupakan data hasil dari crawling yang kemudian dilakukan beberapa pemrosesan sehingga bisa diolah sesuai dengan model yang ada. Hasil penelitian ini menunjukkan bahwa untuk memprediksi anxiety disorder menggunakan Long Short-Term Memory (LSTM) lebih unggul daripada Support Vector Machine (SVM) dari 3 matriks perhitungan yang ada, yaitu precision, recall, dan f1-score dengan nilai 75%. Sedangkan, untuk metode Support Vector Machine (SVM) hanya unggul dalam perhitungan nilai akurasi, yaitu 81%.
Model Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM) berhasil dibangun untuk memprediksi gangguan kecemasan (anxiety disorder) berdasarkan cuitan Twitter.Hasil menunjukkan bahwa LSTM unggul atas SVM pada metrik precision, recall, dan f1‑score dengan nilai 75%.SVM hanya memiliki keunggulan pada nilai akurasi, yakni 81%.Oleh karena itu, LSTM lebih disarankan sebagai model prediksi anxiety disorder di platform X.
Untuk penelitian selanjutnya, dapat dilakukan eksplorasi penggunaan dataset yang lebih besar dan beragam karakteristik geografis guna meningkatkan generalisasi model; selain itu, penelitian yang mengkaji efek fine‑tuning hyperparameters serta integrasi teknik transfer learning dapat menghasilkan performa yang lebih tinggi; dan, penting juga untuk mengevaluasi dampak penggunaan multimodal data, seperti sentimen gambar atau video, dalam memperkuat prediksi gangguan kecemasan sehingga dapat dikembangkan sistem deteksi dini yang lebih komprehensif.
| File size | 241.64 KB |
| Pages | 9 |
| DMCA | Report |
Related /
BSIBSI Penelitian ini memberikan kontribusi pada pengembangan sistem deteksi hoaks yang lebih efektif di Indonesia. Secara keseluruhan, hasil penelitian ini menegaskanPenelitian ini memberikan kontribusi pada pengembangan sistem deteksi hoaks yang lebih efektif di Indonesia. Secara keseluruhan, hasil penelitian ini menegaskan
Tel-UTel-U Terakhir, kluster ketiga, Potensi Menengah dan Pencapaian Tinggi, terdiri dari 1 wilayah dengan atraksi sejarah dan budaya yang populer serta tingkat kunjunganTerakhir, kluster ketiga, Potensi Menengah dan Pencapaian Tinggi, terdiri dari 1 wilayah dengan atraksi sejarah dan budaya yang populer serta tingkat kunjungan
Tel-UTel-U Dengan memanfaatkan teknik pemrosesan bahasa alami dan pembelajaran mesin yang canggih, penelitian ini mengembangkan kerangka kerja komprehensif untukDengan memanfaatkan teknik pemrosesan bahasa alami dan pembelajaran mesin yang canggih, penelitian ini mengembangkan kerangka kerja komprehensif untuk
UBMUBM Dihasilkan rancangan aplikasi yang berfokus pada penyederhanaan pengelolaan keuangan serta penyajian edukasi finansial yang mudah dipahami dan diharapkanDihasilkan rancangan aplikasi yang berfokus pada penyederhanaan pengelolaan keuangan serta penyajian edukasi finansial yang mudah dipahami dan diharapkan
BSIBSI Sistem ini memberikan gambaran komprehensif tentang proses pengajuan, pemrosesan, dan pemantauan status pengaduan secara real-time. Berdasarkan hasil evaluasi,Sistem ini memberikan gambaran komprehensif tentang proses pengajuan, pemrosesan, dan pemantauan status pengaduan secara real-time. Berdasarkan hasil evaluasi,
BSIBSI Penelitian ini dilakukan dengan tujuan untuk menghadirkan sebuah aplikasi POS kasir mobile yang terintegrasi dengan manajemen stok guna mendukung kinerjaPenelitian ini dilakukan dengan tujuan untuk menghadirkan sebuah aplikasi POS kasir mobile yang terintegrasi dengan manajemen stok guna mendukung kinerja
BSIBSI Hasil penelitian menunjukkan bahwa sebagian besar indikator layanan memiliki nilai kesenjangan negatif, yang berarti bahwa layanan tersebut sepenuhnyaHasil penelitian menunjukkan bahwa sebagian besar indikator layanan memiliki nilai kesenjangan negatif, yang berarti bahwa layanan tersebut sepenuhnya
NINETYJOURNALNINETYJOURNAL Berdasarkan analisis, tingkat kepuasan pengguna sistem informasi manajemen perpustakaan bervariasi, dengan kepuasan 63% untuk konten, 61% untuk akurasiBerdasarkan analisis, tingkat kepuasan pengguna sistem informasi manajemen perpustakaan bervariasi, dengan kepuasan 63% untuk konten, 61% untuk akurasi
Useful /
BSIBSI Penelitian ini menyimpulkan bahwa penggunaan seleksi fitur forward selection dapat meningkatkan kinerja algoritma Naïve Bayes dalam klasifikasi sentimenPenelitian ini menyimpulkan bahwa penggunaan seleksi fitur forward selection dapat meningkatkan kinerja algoritma Naïve Bayes dalam klasifikasi sentimen
BSIBSI Data mining merupakan suatu metode untuk menemukan pengetahuan dari tumpukan data. Dalam penelitian ini data mining digunakan untuk mengatasi masalah resikoData mining merupakan suatu metode untuk menemukan pengetahuan dari tumpukan data. Dalam penelitian ini data mining digunakan untuk mengatasi masalah resiko
NINETYJOURNALNINETYJOURNAL Hasil menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi 92%, diikuti oleh Random Forest dengan akurasi 85% dan SVM dengan akurasi 78%. CNNHasil menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi 92%, diikuti oleh Random Forest dengan akurasi 85% dan SVM dengan akurasi 78%. CNN
UNHASUNHAS Diskresi ini memungkinkan hakim untuk menavigasi, membuat pilihan, dan memilih dari berbagai solusi yang secara hukum layak, menegaskan peran penting merekaDiskresi ini memungkinkan hakim untuk menavigasi, membuat pilihan, dan memilih dari berbagai solusi yang secara hukum layak, menegaskan peran penting mereka