Penerapan Deep Learning pada Data Media Sosial untuk Identifikasi Anomali pada Kesehatan Mental

Zanjabila, Salwa Ahmad (2024) Penerapan Deep Learning pada Data Media Sosial untuk Identifikasi Anomali pada Kesehatan Mental. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text PENDAHULUAN.pdf Download (1MB)
	Text ABSTRACT.pdf Download (219kB)
	Text ABSTRAK.pdf Download (218kB)
	Text DAFTAR ISI.pdf Download (243kB)
	Text DAFTAR GAMBAR.pdf Download (183kB)
	Text DAFTAR TABEL.pdf Download (179kB)
	Text DAFTAR LAMPIRAN.pdf Download (177kB)
	Text BAB I.pdf Download (237kB)
	Text BAB II.pdf Download (538kB)
	Text BAB III.pdf Download (238kB)
	Text BAB IV.pdf Download (540kB)
	Text BAB V.pdf Download (1MB)
	Text BAB VI.pdf Download (221kB)
	Text DAFTAR PUSTAKA.pdf Download (223kB)
	Text LAMPIRAN.pdf Download (2MB)
	Text Berita Acara Unggah Mandiri KTI Mahasiswa_Salwa Ahmad Zanjabila.pdf Download (285kB)
	Text Bukti Lolos Plagiarisme.pdf Download (444kB)

Abstract

Keberadaan media sosial memungkinkan individu dapat berkomunikasi intensif dengan individu lain secara tidak langsung. Cara penggunaan media sosial dapat merepresenatsikan kesehatan mental seorang. Kesehatan mental merujuk pada aspek perkembangan seseorang, baik secara fisik maupun psikis. Untuk mengidentifikasi anomali pada kesehatan mental kami mengambil dari komentar-komentar yang dibuat oleh pengguna media sosial terhadap berbagai konten video dengan kategori kesehatan mental yang diunggah di Youtube. Kami mengumpulkan data berjumlah 23.581 data dan menjadi data yang siap digunakan sebanyak 4821 data setelah melewati proses pra-pemrosesan dan penyaringan data. Data diolah menggunakan jaringan syaraf tiruan Long Short-Term Memory (LSTM). Model yang dilatih dalam penelitian ini memiliki akurasi sebesar 98%, presisi 99%, recall 97%, dan F1-score 98%. Model yang sudah dibuat juga dibuatkan sebuah website dengan menggunakan kerangka kerja python bernama streamlit agar dapat digunakan secara publik dengan harapan masyarakat dapat mengindikasikan kondisi mental yang dihadapi oleh orang lain.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Deep Learning, Kesehatan Mental, Website, Media Sosial
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Desain > Informatika
Depositing User:	Salwa Ahmad Zanjabila
Date Deposited:	30 Jul 2024 04:53
Last Modified:	30 Jul 2024 04:53
URI:	http://eprints.upj.ac.id/id/eprint/9270

Actions (login required)

View Item