Klasifikasi terhadap kondisi kesehatan mental menggunakan algoritma XGBoost dengan semantic, syntactic, dan structural features

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Ummah, Syarifatul (2025) Klasifikasi terhadap kondisi kesehatan mental menggunakan algoritma XGBoost dengan semantic, syntactic, dan structural features. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Syarifatul Ummah_09040621070 OK.pdf Download (7MB)
	Text Syarifatul Ummah_09040621070 Full.pdf Restricted to Repository staff only until 1 August 2028. Download (7MB)

Abstract

Kesehatan mental tidak kalah pentingnya dengan kesehatan fisik, namun sering kurang mendapat perhatian yang memadai. Kesehatan mental kini menjadi isu global yang semakin mendesak dengan prevalensi gangguan mental yang terus meningkat di seluruh dunia. Penelitian ini bertujuan untuk mengklasifikasikan kondisi kesehatan mental berdasarkan pernyataan individu menggunakan algoritma XGBoost dengan ekstraksi fitur semantic, syntactic, dan structural. Model diuji secara tunggal dan kombinasi untuk menentukan representasi fitur terbaik. Hasil evaluasi menunjukkan bahwa model XGBoost pada kombinasi fitur semantic syntactic, dan structural memiliki nilai akurasi tertingi sebesar 0.74. Fitur semantic memberikan hasil terbaik ketika digunakan secara tunggal sebesar 0.69, sementara syntactic sebesar 0.44 dan structural sebesar 0.43. Kombinasi fitur semantic dan syntactic sebesar 0.71, kombinasi fitur semantic dan structural sebesar 0.73, sementara kombinasi syntactic dan strcutural lebih rendah dengan hasil akurasi 0.50. Hasil penelitian menunjukkan bahwa efektivitas XGBoost tidak hanya bergantung pada algoritma, tetapi juga dipengaruhi oleh jenis ekstraksi fitur yang digunakan. Kombinasi fitur semantic, syntactic dan structural terbukti memberikan representasi data yang paling optimal untuk klasifikasi kondisi kesehatan mental.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Ummah, Syarifatul syarifaum@gmail.com 09040621070
Contributors:	Contribution Name Email NIDN Thesis advisor Khalid, Khalid khalid@uinsa.ac.id -- Thesis advisor Kunaefi, Anang akunaefi@uinsby.ac.id --
Subjects:	Teknologi > Teknologi Informasi
Keywords:	Klasifikasi teks; kesehatan mental; machine learning; XGBoost, feature extraction
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Syarifatul Ummah
Date Deposited:	01 Aug 2025 05:56
Last Modified:	01 Aug 2025 05:56
URI:	http://digilib.uinsa.ac.id/id/eprint/82893

Actions (login required)

View Item