The Sriwijaya University Library

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Login
  • Member Area
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject ISBN/ISSN Advanced Search

Last search:

{{tmpObj[k].text}}
Image of Sistem pendeteksi gejala depresi pengguna media sosial twitter menggunakan metode support vector machine

Text

Sistem pendeteksi gejala depresi pengguna media sosial twitter menggunakan metode support vector machine

Pratiwi Kurniasari - Personal Name;

Penilaian

0,0

dari 5
Penilaian anda saat ini :  

Depresi menjadi salah satu masalah serius dalam dunia kesehatan masyarakat. Namun terdapat cara untuk mendeteksi gejala depresi secara dini yaitu melalui media sosial Twitter. Kicauan yang dilakukan oleh pengguna Twitter tersebut menjadi bahan penelitian. Masalah ini kemudian diselesaikan dengan menggunakan metode Support Vector Machine (SVM). Data yang berjumlah 1500 kicauan dari 30 pengguna tersebut dibagi menjadi 1000 kicauan untuk pelatihan dan 500 kicauan untuk pengujian. Tiap-tiap kicauan yang digunakan untuk proses pelatihan terlebih dahulu diberi label positif atau negative untuk memisahkan data yang digunakan agar dapat diperoleh model data untuk proses pengklasifikasian. Hasil pelatihan kemudian dibandingkan dengan hasil diagnosis seorang psikolog dan akurasi yang diperoleh sebesar 61,54%. Faktor yang mempengaruhi hasil tersebut antara lain : adanya ketidakseimbangan antara kicauan positif dan kicauan negatif serta pemberian nilai penalti yang tidak tepat. Nilai penalti yang terbaik adalah pada rentang 2-5-215 dan untuk mendapatkan hasil yang baik bagi data positif maupun negatif maka ditetapkan nilai C+ = 21 dan C- = 24.


Availability

No copy data

Detail Information
Series Title
-
Call Number
-
Publisher
Palembang : Fak. Ilmu Komputer., 2015
Collation
xiv, 68 hlm. : ilus.
Language
Indonesia
ISBN/ISSN
-
Classification
NONE
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
deteksi
emosi
SVM
Specific Detail Info
-
Statement of Responsibility
-
Other version/related

No other version available

File Attachment
Comments

You must be logged in to post a comment

The Sriwijaya University Library
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2025 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search