Text
PREDIKSI GANGGUAN KECEMASAN (ANXIETY DISORDER) AKIBAT PANDEMI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE (SVM)
PREDIKSI GANGGUAN KECEMASAN (ANXIETY DISORDER) AKIBAT
PANDEMI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE
(SVM)
Elika Rhamadita Amra1
, Salkin Lutfi2
, Firman Tempola3
, Munazat Salmin4
Program Studi Informatika, Fakultas Teknik, Universitas Khairun
Jl. Jati Metro, Kota Ternate
E-mail: 1elikarhammaditaamra@gmail.com, 2salkin.lutfi@gmail.com,
3firman.tempola@unkhair.ac.id, 4munazat@unkhair.ac.id
Melemahnya perekonomian saat pandemi COVID-19 menjadi kekhawatiran setiap orang, hal ini
dapat mempengaruh kesehatan mental seseorang. Salah satu yang kerap terjadi adalah gangguan
kecemasan (Anxiety Disorder). Oleh karena itu dilakukannya penelitian prediksi gangguan
kecemasan akibat COVID-19 dengan mentode Support Vector Machine (SVM). Penelitian ini
bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam melakukan prediksi
gangguan kecemasan akibat COVID-19 serta menghitung besar akurasi dari metode Support Vector
Machine (SVM). Model algoritma Support Vector Machine (SVM) adalah usaha mencari hyperplane
“terbaik” yang berperan penting sebagai garis batas dua buah kelas. SVM mencari hyperplane ini
berdasarkan support vectors dan margin. Support vectors adalah seluruh vector data yang berjarak
paling dekat dengan hyperplane, sedangkan margin menyatakan lebar dari separating hyperplane.
Dari penelitian yang dilakukan, akurasi terbaik yang didapat menggunakan 294 data testing dengan
ambang batas 1 adalah pada percobaan dengan data training dari dataset sekunder yaitu sebesar
87%, serta besar precision dengan menggunakan jumlah data dan ambang batas yang sama
sebesar 73%, dan recall sebesar 97%. Sedangkan untuk data training dari dataset primer dengan
136 data menghasilkan akurasi sebesar 90%, precision 96% dan recall 86%. Dengan begitu
algoritma SVM dikatakan berhasil dalam melakukan prediksi gangguan kecemasan akibat pandemi
COVID-19.
Kata Kunci: Prediksi, Gangguan Kecemasan, Support Vector Machine
Tidak tersedia versi lain