Klasifikasi Tingkat Depresi Pasca Melahirkan Menggunakan Metode Artificial Neural Network dengan Konsep Ensemble Learning

Hermawan, Mochamad Dimas Putra and Salnan Ratih Asriningtias, ST., MT (2024) Klasifikasi Tingkat Depresi Pasca Melahirkan Menggunakan Metode Artificial Neural Network dengan Konsep Ensemble Learning. Diploma thesis, Universitas Brawijaya.

Abstract

Penting untuk memahami secara mendalam tentang Sindrom Baby Blues dalam konteks kesehatan mental pasca melahirkan. Sindrom ini muncul sebagai hasil dari perubahan hormon atau pengalaman melahirkan yang tidak ringan, seringkali terjadi dalam rentang waktu 2 hari hingga 3 minggu setelah kelahiran bayi. Kebutuhan diagnosa awal sindrom ini dibutuhkan untuk pencegahan lebih lanjut ke tingkat yang lebih parah, sehingga pembuatan sistem dengan pendekatan machine learning dengan metode klasifikasi akan cocok dengan kasus seperti ini. Dalam tugas akhir ini diimplementasikan pengunaan metode ANN atau deep learning sebagai pendekatan untuk metode klasifikasi, dimana langkah-langkah yang akan digunakan antara lain seperti seperti data mining, pre-processing data, hingga pembuatan model menggunakan Tensorflow dan Keras. Pembuatan model dalam tugas akhir ini meliputi pembuatan model FNN yang digunakan untuk memproses data input berupa kuisioner EPDS, serta pembuatan model CNN yang digunakan untuk memproses data gambar ekspresi wajah dari sang ibu. Penerapan pendekatan atau konsep ensemble learning juga merupakan bagian penting yang dilakukan dengan tujuan meningkatkan akurasi hasil prediksi akhir. Hasil dari pengujian pemodelan menunjukkan bahwa penerapan ensemble learning terhadap kedua model dapat membuat model lebih optimal dan memiliki akurasi yang lebih baik.

English Abstract

It is important to have a deep understanding of Baby Blues Syndrome in the context of postpartum mental health. This syndrome arises as a result of hormonal changes or significant childbirth experiences, often occurring within a timeframe of 2 days to 3 weeks after the baby's birth. Early diagnosis of this syndrome is needed for further prevention of more severe levels, thus the development of a system with a machine learning approach using classification methods would be suitable for cases like this. In this final project, the use of ANN or deep learning methods is implemented as an approach to the classification method, where the steps used include data mining, data pre-processing, and model creation using TensorFlow and Keras. Model creation in this final project includes the development of an FNN model used to process input data in the form of EPDS questionnaires, as well as the creation of a CNN model used to process facial expression image data from the mother. The application of ensemble learning approaches or concepts is also an important part carried out with the aim of improving the accuracy of the final prediction results. The results of the modeling testing show that the implementation of ensemble learning on both models can make the models more optimal and have better accuracy.

Item Type:	Thesis (Diploma)
Identification Number:	0524170190
Uncontrolled Keywords:	Artificial Neural Network, Klasifikasi, Baby Blues-Artificial Neural Network, Classification, Baby Blues
Divisions:	Program Vokasi > D3 Teknologi Informasi
Depositing User:	Sugeng Moelyono
Date Deposited:	05 Jul 2024 08:53
Last Modified:	05 Jul 2024 08:53
URI:	http://repository.ub.ac.id/id/eprint/222105

Text (DALAM MASA EMBARGO) Mochamad Dimas Putra Hermawan.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item