MODEL PREDIKSI GANGGUAN KESEHATAN MENTAL PADA PEKERJA TEKNOLOGI DENGAN MENGGUNAKAN FULLY CONNECTED NEURAL NETWORK

HARTATI PASARIBU, LINDA APRIYANI ARITONANG, AGUSMAN TELAUMBANUA (2021) MODEL PREDIKSI GANGGUAN KESEHATAN MENTAL PADA PEKERJA TEKNOLOGI DENGAN MENGGUNAKAN FULLY CONNECTED NEURAL NETWORK , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Menurut WHO, peran penting kesadaran akan kesehatan mental mendukung tujuan perkembangan secara global. Depresi dapat memicu tindakan bunuh diri yang merupakan resiko kematian kedua yang terjadi kepada sebagian masyarakat dari umur 15 - 29 tahun. Untuk itulah dibuat penelitian demi penelitian akan kesehatan mental untuk meningkatkan kewaspadaan masyarakat akan kesehatan mental terutama pada bidang teknologi dan IT sebagai bidang pekerjaan yang saat ini banyak diburu oleh perusahaan. Pada penelitian ini dataset hasil survey Open Sourcing Mental Illness, LTD yang dimulai pada tahun 2016 akan dianalisa dengan teknik data science dan menggunakan algoritma Support Vector Machine (SVM) dan Fully Connected Neural Networks (FCNN). Kedua algoritma kemudian dibandingkan antara satu sama lain untuk menemukan model yang paling tepat diterapkan untuk memprediksikan potensi terkenanya gangguan kesehatan mental terutama pada pekerja IT. Hasil dari penelitian ini yang diolah dengan 864 entri data latih dan 371 entri data uji mendapatkan angka akurasi akhir 77.089% untuk algoritma SVM dan 76.011% untuk algoritma FCNN. Dataset yang dipakai mempunyai target prediksi bertipe data kategorik sehingga tergolong sebagai klasifikasi multiclass. SVM terbukti unggul dalam memprediksi klasifikasi multiclass dalam prediksi gangguan kesehatan mental terhadap pekerja IT. 

PROSIDING