Pembuatan Aplikasi Chatbot Berbasis Android Untuk Identifikasi Dini Penyakit Depresi : Identifikasi Topik Pertanyaan Dengan Menggunakan Algoritma Convolutional Neural Network

Susilo, Rakha Abadi (2022) Pembuatan Aplikasi Chatbot Berbasis Android Untuk Identifikasi Dini Penyakit Depresi : Identifikasi Topik Pertanyaan Dengan Menggunakan Algoritma Convolutional Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 05211840000102-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (2MB) | Request a copy

Abstract

Selama pandemi virus Corona atau COVID-19, masyarakat yang mengalami gangguan kejiwaan yaitu depresi meningkat hingga 57,6 persen. Pada kasus-kasus ekstrem, depresi selama pandemi diduga berujung pada kasus bunuh diri. Agar tidak terjadi bunuh diri, kita dapat mengurangi dampak buruk yang diakibatkan oleh depresi dengan segara mengidentifikasi dini gejala depresi agar penyakit depresi dapat dengan lebih cepat untuk ditangani. Maka dari itu dibuatlah aplikasi berbasis android untuk mengidentifikasi dini penyakit depresi pada pengguna dengan menggunakan chatbot dalam bahasa indonesia. Salah satu cara yang akan dilakukan untuk membuat aplikasi chatbot yang pertama yaitu mengambil data melalui website alodokter, selanjutnya yaitu membuat model dengan menggunakan algoritma convolutional neural network, selanjutnya yaitu membuat aplikasi berbasis android dan mengimplementasikan model menggunakan sistem backend flask. Hasil yang diperoleh dari uji coba yang telah dilakukan menghasilkan akurasi yang dimana tag memiliki confidence lebih dari atau sama dengan 0.5 yaitu sebesar 0.83, dan berdasarkan hasil perhitungan berdasarkan confusion matrix, akurasi yang dihasilkan yaitu sebesar 0.723, presisi sebesar 0.77, recall sebesar 0.681, dan f1-measure sebesar 0.723 yang berarti model cnn dan implementasinya cukup akurat dalam memprediksi dan mengidentifikasi topik dari gejala depresi dan layak diterapkan pada tugas akhir ini
==================================================================================================
During the Corona virus or COVID-19 pandemic, people experiencing mental disorders, namely depression, increased by 57.6 percent. In extreme cases, depression during the pandemic is thought to lead to suicide. In order to avoid suicide, we can reduce the negative effects caused by depression by immediately identifying depression so that depression can be treated more quickly. Therefore, an Android-based application was made to identify early symptoms of depression in user using a chatbot in Indonesian. One way to make the first chatbot application is to retrieve data through the Alodokter website, then create a model using the convolutional neural network algorithm, then create an Android-based application and implement the model using the flask backend system. The results obtained from the trials that have been carried out produce an accuracy where the tag has a confidence greater than or equal to 0.5 which is 0.83, and based on the results of calculations based on the confusion matrix, the resulting accuracy is 0.723, precision is 0.77, recall is 0.681, and f1-measure is 0.723 which means that the cnn model and its implementation are quite accurate in predicting and identifying the topic of depressive symptoms and are suitable for application in this final project.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Kata Kunci: Chatbot, Depresi, Pembuatan Aplikasi, Convolutional Neural Network Keywords: Chatbot, Depression, App Development, Convolutional Neural Network
Subjects:	B Philosophy. Psychology. Religion > BF Psychology Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Rakha Abadi Susilo
Date Deposited:	18 Feb 2022 01:00
Last Modified:	18 Feb 2022 01:00
URI:	http://repository.its.ac.id/id/eprint/94323

Actions (login required)

View Item