SYARIFAH NAJWA Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2025

Skripsi

Gangguan bipolar dan depresi merupakan dua jenis gangguan mental yang umum dan tergolong serius. Kedua gangguan ini memiliki beberapa gejala yang saling tumpang tindih sehingga menyulitkan proses diagnosis. Berdasarkan laporan WHO tahun 2019, tercatat sekitar 280 juta orang mengalami depresi di seluruh dunia. Seiring meningkatnya kompleksitas kasus kesehatan mental, dibutuhkan sistem pendukung diagnosis yang mampu mengklasifikasikan jenis gangguan mental secara cepat dan akurat. Salah satu pendekatan yang digunakan adalah algoritma Support Vector Machine (SVM), yaitu metode klasifikasi yang bekerja dengan mencari garis pemisah terbaik antar kelas data. Penelitian ini dilakukan terhadap 120 dataset pasien yang memiliki 17 gejala esensial. Data diklasifikasikan ke dalam empat kelas, yaitu bipolar tipe-1, bipolar tipe-2, depresi, dan individu normal. Dua pendekatan digunakan dalam penelitian ini, yaitu perhitungan manual dan pemanfaatan perangkat lunak weka. Pada pendekatan manual, digunakan 40 data pasien dengan kernel polinomial (konstanta = 1 dan derajat = 2) serta teknik one-vs-all dalam tiga tingkatan level pencarian. Rata-rata akurasi yang diperoleh pada ketiga level adalah sebesar 85,71%. Sementara itu, pada pendekatan menggunakan weka, dilakukan dengan teknik validasi silang 5-fold untuk menghindari overfitting. Pendekatan multikelas yang digunakan adalah teknik one-vs-one dengan parameter C = 1, kernel polinomial (konstanta = 1 dan derajat = 2), dan toleransi eror = 0,001. Rata-rata akurasi yang diperoleh mencapai 88,76%. Kata kunci : bipolar, depresi, Support Vector Machine (SVM), kernel polinomial, teknik validasi silang 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 164237 2025-07-21 14:57:14 2025-07-21 15:47:20 machine generated