Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Putera, Thariq Andhita
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Deteksi Depresi melalui Pengenalan Pola Suara dengan Mengimplementasikan Metode Prosody Analysis Putera, Thariq Andhita; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Depresi merupakan jenis gangguan mental yang cukup umum dijumpai, umumnya depresi akan muncul pada remaja umur 13 – 15 tahun, dan akan mencapai puncaknya pada umur 17 – 18 tahun. Menurut data Riset Kesehatan Dasar (RISKESDAS) pada tahun 2018, penduduk indonesia dengan umur diatas 15 tahun tercatat sebanyak 706.689 terkena gangguan mental depresi. Lebih lanjut, data juga menunjukkan bahwa setidaknya sekitar 1.800 orang melakukan bunuh diri setiap tahunnya akibat depresi. Penelitian ini bertujuan untuk membuat alat yang dapat mendeteksi gangguan mental depresi dengan efisien dan dapat digunakan dimana saja. Alat tersebut dirancang menggunakan metode prosody analysis dengan menerapkan ekstraksi fitur yang dimiliki oleh prosody analysis. Alat akan diimplementasikan ke dalam Raspberry Pi 4 Model B. Penelitian ini menggunakan dataset yang telah disesuaikan dengan durasi 3 detik pada setiap file. Algoritma CNN (Convolution Neural Network) akan digunakan untuk tahap klasifikasi, apabila data yang ada telah melalui ekstraksi fitur. Alat akan dioperasikan menggunakan LCD Display dengan ukuran 3.5 inci dan GUI (Graphical User Interface) akan digunakan sebagai layar utama pada LCD. Hasil penelitian yang telah dilakukan menunjukkan bahwa algoritma CNN memiliki tingkat akurasi sebesar 97%, sementara alat mendapatkan tingkat ketepatan sebesar 80% dari 15 data uji dengan 12 data diantara dapat di prediksi dengan tepat, depresi mendapatkan tingkat ketepatan sebesar 71% dan non-depresi mendapatkan tingkat ketepatan sebesar 87%. Dari penelitian yang telah dilaksanakan, alat serta sistem yang telah dirancang dapat bekerja dengan baik sehingga dapat dikembangkan lebih lanjut. Kata kunci: Prosody Analysis, Depresi, CNN, Raspberry Pi 4
Co-Authors Barlian Henryranu Prasetio