Jurnal Teknik Komputer AMIK BSI
Vol 10, No 2 (2024): Periode Juli 2024

Perbandingan SVM dan LSTM Untuk Memprediksi Gangguan Kecemasan (Anxiety Disorder) Berdasarkan Cuitan di Platform Aplikasi X (Twitter)

Nurochman Nurochman (UIN Sunan Kalijaga Yogyakarta)
Luthfia Ashiilah (UIN Sunan Kalijaga Yogyakarta)



Article Info

Publish Date
18 Jul 2024

Abstract

Anxiety disorder adalah gangguan kecemasan yang menyerang kesehatan mental seseorang sehingga bisa mengganggu aktivitas. Pengaruh media sosial menjadi salah satu adanya 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 diantara dua metode tersebut. Data yang digunakan merupakan data hasil dari crawling yang kemudian dilakukan beberapa pemrosesan sehingga bisa diolah sesuai dengan medel yang ada. Hasil dari 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%.

Copyrights © 2024






Journal Info

Abbrev

jtk

Publisher

Subject

Computer Science & IT

Description

Jurnal Teknik Komputer merupakan jurnal ilmiah yang diterbitkan oleh LPPM Universitas Bina Sarana Informatika. Jurnal ini berisi tentang karya ilmiah hasil penelitian yang bertemakan: Networking, Robotika, Aplikasi Sains, Animasi Interaktif, Pengolahan Citra, Sistem Pakar, Sistem Komputer, Soft ...