DETAIL KOLEKSI

Sistem rekomendasi artikel kesehatan mental pada aplikasi circle


Oleh : Gading Sectio Aryoseto

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Is Mardianto

Pembimbing 2 : Anung B. Ariwibowo

Subyek : Industrial safety;Programming languages (Electronics computers);Database management

Kata Kunci : mental health, recommendation system, k-means clustering, topic modeling, bertopic

Status Posting : Published

Status : Tidak Lengkap


File Repositori
No. Nama File Hal. Link
1. 2023_TA_SIF_064001900022_Halaman-Judul.pdf
2. 2023_TA_SIF_064001900022_Lembar-Pengesahan.pdf
3. 2023_TA_SIF_064001900022_Bab-1_Pendahuluan.pdf
4. 2023_TA_SIF_064001900022_Bab-2_Tinjauan-Pustaka.pdf
5. 2023_TA_SIF_064001900022_Bab-3_Metodologi-Penelitian.pdf
6. 2023_TA_SIF_064001900022_Bab-4_Analisis-dan-Pembahasan.pdf
7. 2023_TA_SIF_064001900022_Bab-5_Kesimpulan.pdf
8. 2023_TA_SIF_064001900022_Daftar-Pustaka.pdf

K Kesehatan mental adalah keadaan pikiran dalam keadaan damai, tenang dan tidak terganggu yang memungkinkan kita menikmati kehidupan sehari-hari dengan menghargai orang lain. Di Indonesia terdapat sejumlah penderita gangguan mental, sekitar 19 juta orang yang berusia di atas 15 tahun mengalami gangguan mental dan emosional, mulai dari yang ringan hingga berat. Data tersebut menunjukkan bahwa negara Indonesia belum mampu menangani masalah kesehatan mental dengan baik dan adanya pandemi cenderung meningkatkan jumlah penderita gangguan kesehatan mental yang jika tidak dikendalikan akan berdampak negatif. Berangkat dari permasalahan tersebut, aplikasi Circle yang berfokus pada kesehatan mental berbasis teknologi Android mendukung layanan self-help, salah satunya adalah layanan artikel kesehatan mental. Layanan artikel pada aplikasi Circle membutuhkan sistem rekomendasi yang dapat merekomendasikan artikel berdasarkan kondisi kesehatan mental pengguna sehingga artikel dapat meringankan masalah kesehatan mental yang sedang dialami pengguna. Pada Penelitian digunakan metode pemodelan topik BERTopic dengan teknik klustering K-Means untuk pembuatan sistem rekomendasi artikel. Ada 3 komponen penting dari algoritma BERTopic, yaitu Document Embedding, Document Clustering, dan Topic Representation. Topik yang dihasilkan pada penelitian ini sebanyak 10 topik yang merepresentasikan 10 masalah kesehatan mental ringan dengan nilai Topic coherence score terbaik yang dihasilkan sebesar 0.42.

M Mental health is a peaceful, calm and undisturbed state of mind that allows us to enjoy daily life with respect for others. In Indonesia there are a number of people with mental disorders, around 19 million people over the age of 15 experience mental and emotional disorders, ranging from mild to severe. The data shows that Indonesia has not been able to handle mental health problems properly and the pandemic tends to increase the number of people with mental health disorders which, if not controlled, will have a negative impact. Departing from these problems, the Circle application which focuses on mental health based on Android technology supports self-help services, one of which is a mental health article service. Article services in the Circle application require a recommendation system that can recommend articles based on the user's mental health condition so that articles can alleviate mental health problems that are being experienced by users. The research used the BERTopic topic modeling method with the K-Means clustering technique to create an article recommendation system. There are 3 important components of the BERTopic algorithm, namely Document Embedding, Document Clustering, and Topic Representation. The topics generated in this study are 10 topics that represent 10 mild mental health problems with the best Topic coherence score value generated by 0.42.

Bagaimana Anda menilai Koleksi ini ?