262
Progresif: Jurnal Ilmiah Komputer Jl.
Ahmad Yani.
33,5 - Kampus STMIK Banjarbaru Loktabat Ae Banjarbaru (Tlp.
, e-mail: puslit.
stmikbjb@gmail.
e-ISSN: 2685-0877 p-ISSN: 0216-3284 Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa Tugas Akhir dengan Algoritma Teorema Bayes Krisantus Jumarto Tey Seran1*.
Hevi Herlina Ullu2 Teknologi Informasi.
Universitas Timor.
Kefamenanu.
Indonesia *email Corresponding Author: krisantusteyseran@unimor.
Abstract Students at Timor University consistently face the challenge of Final Projects.
This presents a unique hurdle, and a significant number of students experience depression during this phase.
Consequently, this impacts the smooth progression of guidance and the graduation rate for each Therefore, early detection and prevention measures are crucial for students in the final project phase.
This effort involves developing a web-based expert system to facilitate the identification of depression levels in students by their supervisors.
The expert system utilizes Bayes' Theorem to provide an accuracy rating for the level of depression experienced by a student based on observable symptoms.
The system development employs the Rapid Application Development (RAD) methodology.
The research data comprises 28 symptom data points and three levels of depression (Mild.
Moderate.
Sever.
System testing results demonstrate its effectiveness in measuring the depression levels of students at Timor University with an accuracy rate of 84%.
Keywords: Student.
Depression.
Expert System.
Theorem Bayes Abstrak Mahasiswa Universitas Timor selalu dihadapkan dengan persoalan Tugas Akhir.
Hal ini tentunya menjadi tantangan sehingga mengakibatkan mahasiswa mengalami depresi pada saat melaksanakan tugas akhir.
Akibatnya, berpengaruh dalam kelancaran proses bimbingan serta persentase kelulusan untuk setiap periode wisuda kampus.
Untuk itu perlu dilakukan pencegahan .
dini bagi mahasiswa yang sedang dalam periode tugas akhir.
Upaya yang dilakukan adalah dengan membangun sistem pakar berbasis website yang mempermudah dosen pembimbing dalam mendeteksi tingkat depresi yang dialami seorang mahasiswa.
Sistem pakar yang dibangun menggunakan Teorema Bayes untuk memberikan nilai akurasi pada tingkatan mana seorang mahasiswa berada berdasarkan gejala yang terlihat dan Metode RAD dalam pengembangan sistem.
Data penelitian yang digunakan adalah 28 data gejala dan tiga tingkatan depresi (Ringan.
Sedang.
Tingg.
Hasil pengujian sistem membuktikan bahwa sistem ini dapat digunakan untuk mengukur tingkat depresi mahasiswa di Universitas Timor dengan tingkat persentase 84%.
Kata kunci: Mahasiswa.
Depresi.
Sistem Pakar.
Teorema Bayes Pendahuluan Salah satu bentuk Kesehatan mental yang tertanggu adalah Depresi.
Saat depresi menjadi prioritas utama untuk diperhatikan di berbagai kalangan termasuk di kalangan mahasiswa tangkat akhir.
Menyelesaikan tugas akhir merupakan tahapan krusial dalam perjalanan akademik mahasiswa, di mana mahasiswa diharapkan untuk mengintegrasikan pengetahuan dan keterampilan yang dipelajari selama studi berlangsung.
Dalam beberapa tahun terakhir status depresi pada mahasiswa mengalami peningkatan secara signifikan menurut data dari WHO (World Health Organizatio.
Hal ini tidak hanya berdampak pada kesejahteraan individual mahasiswa tetapi juga dapat mengganggu kemampuan mereka untuk menyelesaikan tugas akhir dengan baik.
Namun, tekanan dan tanggungjawab yang melekat pada Tugas Akhir seringkali menjadi pemicu stres dan ketegangan yang dapat berujung pada masalah depresi .
Hal ini juga dialami oleh mahasiswa tahap akhir yang berada di Universitas Timor.
Banyak mahasiswa yang dalam masa bimbingan tidak selesai tepat waktu.
Hasil ini tentunya berpengaruh Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa .
Krisantus Jumarto Tey Seran Progresif e-ISSN: 2685-0877 pada tingkat persentase kelulusan mahasiswa setiap tahunnya.
Oleh karena itu, penanganan dini dan akurat terhadap gejala depresi menjadi sangat penting dalam konteks pendidikan tinggi.
Dari sudut pandang kemajuan teknologi saat ini di era society 5.
, .
, website telah memberikan peluang baru dalam bidang kesehatan mental.
Penggunaan platform berbasis web untuk menyediakan layanan kesehatan mental termasuk diagnosis telah menjadi fokus utama bagi banyak peneliti dan praktisi.
Untuk mendiagnosa tingkatan depresi pada mahasiswa bisa dilakukan dengan menggunakan Metode Teorema Bayes.
Metode ini telah terbukti efektif dalam berbagai bidang termasuk dalam diagnosis medis dan analisis data.
Dengan menerapkan Algoritma Teorema Bayes maka dapat diperoleh manfaat untuk mengidentifikasi seseorang mahasiswa masuk ke dalam tingkatan depresi .
endah, sedang, tingg.
dengan lebih akurat.
Menggunakan data yang ada, termasuk gejala-gejala yang dialami oleh mahasiswa.
Teorema Bayes dapat memberikan diagnosa yang akurat mengenai tingkat depresi mahasiswa.
Beberapa penelitian terdahulu yang memperkuat solusi penyelesaian masalah menggunakan metode teorema bayes antara lain adalah penelitian .
Dalam penelitian ini dikembangkan diagnosa untuk penyakit lambung dengan model sistem pakar pada manusia berbasis website dengan menerapkan aturan Teorema Bayes.
Penelitian selanjutnya .
, .
bertujuan untuk mengimplementasikan algoritma teorema bayes untuk mendiagnosa penyakit pada mata manusia.
Sebanyak 86% dari 50 data sampel pasien didapatkan kesesuaian antara hasil diagnonsa sistem dengan hasil diagnose pakar mengenai jenis penyakit mata yang diderita.
Pengembangan sistem pakar berbasis website yang mengintegrasikan metode ini dapat menjadi solusi inovatif yang menguntungkan baik bagi mahasiswa maupun kampus di Universitas Timor.
Selain itu juga sistem ini bisa digunakan untuk khalayak umum karena bisa diakses oleh siapa saja.
Dengan memanfaatkan sistem pakar ini, dapat membantu dalam meminimalisir jumlah mahasiswa yang mengalami depresi pada saat menyelesaikan tugas akhir.
Tinjauan Pustaka Penelitian mengenai depresi sebelumnya sudah dilakukan pada beberapa tahun terakhir.
Seperti penelitian pertama .
yang dilakukan oleh Salsabila Auliannisa dan Muhammad Ilmi Hatta tentang hubungan antara tingkat depresi yang terjadi pada mahasiswa yang aktif menggunakan Instagram dengan kecenderungan secara alami untuk membandingkan diri sendiri dengan lain.
Penelitian ini mengambil Korelasional dari 112 mahasiswa yang aktif menggunakan media sosial yakni Instagram, alat ukur yang digunakan adalah social comparison rating scale dan back depression inventory-II, sedangkan teknik analisis penelitian menggunakan rank Hasil dari penelitian ini adalah semakin rendah kecenderungan membandingkan diri sendiri dengan orang lain maka akan semakin tinggi skor gejala depresi.
Penelitian kedua .
oleh Maya dan Nurul membahas tentang model pembelajaran secara online .
terhadap depresi, stres, dan kecemasan mahasiswa.
Dalam penelitian ini dilakukan uji tingkat depresi bagi mahasiswa yang melakukan proses pembelajaran secara online saat Covid-19 dengan menggunakan metode Depression Anxiety Stress Scale (DASS).
Sampel dari penelitian ini berjumlah 106 mahasiswa dari Universitas Sampoerna dengan rentang usia dari 17 sampai dengan 25 tahun.
Untuk mengukur faktor-faktor yang menyebabkan depresi, stress, dan kecemasan digunakan Analisis Regresi Berganda.
Hasil penelitian ini membuktikan bahwa depresi, stres, dan kecemasan pada mahasiswa terjadi ketika seorang mahasiswa tidak bisa menikmati waktu luangnya serta mendapatkan perasaan takut tanpa sebab .
Sistem Pakar sudah banyak dikembangkan di berbagai bidang, salah satunya di bidang Kesehatan.
Penelitian yang dilakukan oleh R.
Barus and A.
Simangunsong tentang Sistem Pakar Diagnosa yang menerapkan metode nayve bayes untuk mendiagnosa pasien yang mengalami gangguan kejiwaan.
Penelitian ini menerapkan metode Nayve bayes untuk untuk mendiagnosa gangguan kejiwaan pada pasien .
Pada tahun 2022 penelitian yang dilakukan oleh dilakukan oleh Nisrina Naufalia Santosa, dkk, yang membahas tentang mahasiswa tingkat akhir yang mengalami depresi dengan implementasi metode Certainty Factor.
Hasil penelitian tersebut adalah tingkat kevalidan hasil analisa dari seorang pakar sama dengan hasil yang ada dalam sistem pakar yang sudah dikembangkan.
Dalam penelitian ini sebanyak 72% mahasiswa dinyatakan mengalami depresi berat.
Metode (Algoritm.
lain yang dipakai adalah Forward Chaining (FC) oleh Juliet R.
Lao,dkk .
Dari penelitian ini metode FC dapat menghitung dengan akurasi yang baik dengan menggunakan sistem yang dibangun.
Penelitian menggunakan Metode Fuzzy Sugeno oleh Muhammad Rifqi Maulana .
juga dikembangkan Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa .
Krisantus Jumarto Tey Seran e-ISSN: 2685-0893 untuk dapat membuktikan diagnosa tingkat depresi.
Hasilnya, dari 60 responden masuk dalam tiga kategori yaitu: tidak ada depresi, depresi sedang, dan depresi berat.
Dari semua pembuktian pengembangan sistem pakar untuk mengukur .
depresi yang sudah dilakukan, maka dalam penelitan ini dikembangkan sebuah website dengan mengimplementasikan Teorema Bayes.
Hal ini digunakan untuk membandingkan dan membuktikan bahwa algoritma ini juga dapat mengukur tingkat depresi dari seorang mahasiswa tugas akhir ke dalam tiga kategori yaitu: Rendah.
Sedang.
Tinggi.
Metodologi Metode RAD Pengembangan website sistem pakar diagnosa tingkat depresi pada mahasiswa tugas akhir .
menggunakan metode Rapid Application Development (RAD).
Metode ini lebih singkat dibandingkan dengan metode pengembangan sistem lainnya .
RAD memiliki tiga tahap dalam proses pengembangannya.
Gambar 1.
Metode RAD .
Requirement Planning (Perencanaan Kebutuha.
Rencana kebutuhan atau persiapan, adalah langkah pertama dalam metode ini.
Tahapan ini memiliki beberapa poin penting yang harus dilakukan meliputi: Observasi atau pengamatan langsung di dalam kampus Universitas Timor.
Kemudian dilanjutkan dengan pengumpulan data yang berkaitan dengan tingkat depresi dan mahasiswa.
Wawancara juga dilakukan dengan ahli psikolog .
, mahasiswa yang berada dalam kampus.
Selanjutnya dilakukan studi pustaka yakni mencari sumber referensi seperti buku dan jurnal yang berkaitan dengan masalah utama dalam penelitian ini.
Tahapan ini dilaksanakan guna mendapatkan data primer dalam pengembangan sistem pakar berbasis website.
Design (Desai.
Setelah mendapatkan data primer pada Langkah Perencanaan, dilanjutkan ke Tahap Desain.
dalam fase ini dilakukan perancangan fungsional sistem sesuai dengan kebutuhan Langkah awal yaitu mebuat Use Case.
Activity Diagram, yang menjelaskan alur kerja sistem.
Kemudian dilanjutkan dengan membuat database yang berisi tabel-tabel dalam penyimpanan data, serta membuat Relasi antar tabel dalam .
Setelah itu dilanjtukan dengan pembuatan User Interface (Antarmuka Perangka.
untuk memudahkan pengguna berinteraksi dengan sistem.
Langkah terakhir dalam fase ini adalah melakukan Coding atau penulisan bahasa program ke dalam aplikasi Integrated Development Environment (IDE) atau alat pengembangan perangkat lunak yang sudah ditentukan.
Implementation (Implementas.
Setelah perangkat lunak .
selesai dibangun, aplikasi ini diimplementasikan kepada Namun sebelum diperkenalkan kepada khalayak ramai, sistem yang sudah dikembangkan harus diuji terlebih dahulu baik oleh pihak internal .
im pengemban.
pengembang maupun pihak eksternal yang ditunjuk sebagai tim penguji kelayakan dari Pengujian dilakukan dengan cara metode blackbox .
Hal ini mencegah beberapa kesalahan atau mencari tahu kesalahan dan kelemahan sistem sebelum Hasil pengujian dengan blackbox dapat dilihat dalam tabel yang ada di hasil dan pembahasan.
Teorema Bayes Teorema Bayes (Bayes Theore.
adalah metode yang mampu memberikan nilai solusi dengan penentuan nilai probabilitas gejala pada satu kasus.
Nilai probabilitas akan menentukan hasil dari evidence atau bukti yang saling berkaitan dalam mendiagnosa suatu penyakit.
Teorema Bayes menerangkan hubungan antara probabilitas terjadinya peristiwa A dengan syarat peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B dengan syarat peristiwa A telah terjadi.
Rumus persamaan Teorema Bayes yang diterapkan dalam sistem pakar adalah sebagai berikut:
Jutisi: Vol.
No.
Februari 2025: 262-271 Progresif e-ISSN: 2685-0877 .
Mendefenisikan nilai probabilitas dari tiap evidance untuk tiap hipotesis berdasarkan data sampel yang ada menggunakan rumus probabilitas bayes.
Selanjutnya mencari nilai semesta dengan menjumlahkan dari hipotesa diatas:
Ocycuyaycu yco = 1 = ya1 U , yaycu a .
Berikutnya mencari nilai P(H.
Setelah nilai P(H.
diketahui maka langkah selanjutnya adalah : mengalikan nilai probabilitas evidence user dengan nilai probabilitas hipotesis tanpa memandang evidence dan mejumlahkan hasil perkalian bagi tiap-tiap hipotesis.
Ocycuyco=ycu = ycE.
ycU ycE.
a\yayc.
U ycE.
ycU ycE.
a\yayc.
Mencari nilai probabilitas H dengan cara membagikan hasil perkalian probabilitas nilai pakar dan nilai evidance user dengan total penjumlahan keduanya P(H.
OycE.
a\yayc.
Ocycu yco =ycu Mencari nilai kesimpulan yaitu dengan mengkalikan nilai prpbabilitas pakar dengan nilai dari hasil pembagian nilai probabilitas pakar dan nilai evidance user lalu dijumlahkan Ocycuyco=1 ycaycaycyceyc = P(E|H.
*P(E.
P(E|H.
*P(H.
*100% a .
Analisis Data Pada bagian analisis data ini, perlu disajikan contoh data kasus, dan mekanisme algoritma bayes menyelesaikan kasus tersebut.
Tabel 1.
Tabel Bobot User Nilai Evidence User Hipotesa Tidak ada Mungkin Kemungkinan Besar Kurang Pasti Pasti Tabel 2.
Tabel Studi Kasus Kode Gejala
G01
G06
G14
G15
Nama Gejala Perasaan Sedih.
Putus Asa Dan Tak Berdaya Nafsu Makan Berkurang Mudah Tersinggung Atau Marah Dan Emosi Kehilangan Berat Badan Probabilitas Nilai User .
Mendefenisikan nilai probabilitas dari tiap evidance untuk tiap hipotesis berdasarkan data sampel yang ada menggunakan rumus probabilitas bayes.
G01 = P(E/H.
= 0,1
G06 = P(E/H.
= 0,4
G14 = P(E/H.
= 0,4
G15 = P(E/H.
= 0,6
Selanjutnya mencari nilai semesta dengan menjumlahkan dari hipotesa diatas menggunakan pers 1 Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa .
Krisantus Jumarto Tey Seran e-ISSN: 2685-0893 P01= Tingkat Depresi Ringan G01 = P(E/H.
= 0.
G06 = P(E/H.
= 0.
G14 = P(E/H.
= 0.
Oc ya = 0.
4 = 0.
ya1 P02 = Tingkat Depresi Sedang G01 = P(E/H.
= 0.
G06 = P(E/H.
= 0.
Oc ya = 0.
4 = 0.
ya2 P03 = Tingkat Depresi Tinggi G01 = P(E/H.
= 0.
G06 = P(E/H.
= 0.
P(E/H.
= 0.
G14 = P(E/H.
= 0.
G15 =
Oc ya = 0.
5 = 1.
Berikutnya mencari nilai P(H.
adalah sebagai berikut :
P01= Tingkat Depresi Ringan G01 = P(E/H.
= 0.
1/0.
9 = 0.
G06 = P(E/H.
= 0.
4/0.
9 = 0.
G14 = P(E/H.
= 0.
4/0.
9 = 0.
P02 = Tingkat Depresi Sedang G01 = P(E/H.
= 0.
1/0.
5 = 0.
G06 = P(E/H.
= 0.
4/0.
5 = 0.
P03 = Tingkat Depresi Tinggi G01 = P(E/H.
= 0.
1/1.
4= 0.
G06 = P(E/H.
= 0.
4/1.
4 = 0.
G14 = P(E/H.
= 0.
4/1.
4 = 0.
G15 = P(E/H.
= 0.
5/1.
4= 0.
Setelah nilai P(H.
diketahui maka langkah selanjutnya adalah: mengalikan nilai probabilitas evidence user dengan nilai probabilitas hipotesis tanpa memandang evidence dan mejumlahkan hasil perkalian bagi tiap-tiap hipotesis.
ycu Oc = ycE.
ycU ycE.
a\yayc.
U ycE.
ycU ycE.
a\yayc.
yco=ycu P01= Tingkat Depresi Ringan Ocycuyco=3 = .
= 0.
P02 = Tingkat Depresi Sedang Ocycuyco=2 = .
= 1
P03 = Tingkat Depresi Tinggi ycu Oc = .
= 0.
yco=4 .
Mencari nilai probabilitas H dengan cara membagikan hasil perkalian probabilitas nilai pakar dan nilai evidance user dengan total penjumlahan keduanya P(H.
O ycE.
a\yayc.
Ocycuyco = ycu P01 = Tingkat Depresi Rendah Jutisi: Vol.
No.
Februari 2025: 262-271 Progresif e-ISSN: 2685-0877 1 O 0.
= 0.
1 O 0.
P(Hyc.
E) = = 0.
1 O 0.
P(Hyc.
E) = = 0.
P02 = Tingkat Depresi Sedang P(Hyc.
E) = 1 O 0.
= 0.
1 O 0.
P(Hyc.
E) = = 0.
P03 = Tingkat Depresi Tinggi P(Hyc.
E) = 1 O 0.
1 O 0.
P(Hyc.
E) = 1 O 0.
P(Hyc.
E) = 1 O 0.
P(Hyc.
E) = P(Hyc.
E) = = 0.
= 0.
= 0.
= 0.
Mencari nilai kesimpulan yaitu dengan mengkalikan nilai prpbabilitas pakar dengan nilai dari hasil pembagian nilai probabilitas pakar dan nilai evidance user lalu dijumlahkan Ocycuyco=1 ycaycaycyceyc = P(E|H.
*P(E.
P(E|H.
*P(H.
*100% P01 = Tingkat Depresi Rendah Ocycuyco=1 ycaycaycyceyc = (.
)100%
= 36,67%
P02 = Tingkat Depresi Sedang Ocycuyco=1 ycaycaycyceyc = .
,1ycu0.
O 100%
=34%
P05 = Tingkat Depresi Tinggi Ocycuyco=1 ycaycaycyceyc= .
4 x 0.
4 x 0.
5 x 3.
) x 100% = 41.
Kesimpulan: Tingkat depresi pada kasus ini adalah tingkat depresi Berat degan nilai 41,43% Hasil dan Pembahasan Hasil Berikut adalah tampilan hasil dari pengembangan sistem pakar berbasis website .
yang sudah dikembangkan.
Halaman Nilai User.
Halaman Daftar Gejala Depresi Gambar 2.
Halaman Nilai User Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa .
Krisantus Jumarto Tey Seran e-ISSN: 2685-0893 Dalam laman digunakan untuk memberikan skala penilaian yang akan dipilih oleh pengguna tentang nilai dari gejala depresi yang sedang mereka rasakan.
Halaman Daftar Gejala Depresi Gambar 3.
Halaman Daftar Gejala Depresi Laman ini berfungsi untuk mengelola data tentang gejala-gejala yang masuk dalam tiap tingkatan depresi.
Mulai dari gejala depresi ringan, sedang,dan berat.
Terdapat 28 gejala depresi di dalam laman ini.
Halaman Solusi (Penanggulanga.
Gambar 4.
Halaman Solusi (Penanggulanga.
Depresi Dalam laman ini berisi informasi mengenai cara penanggulan tiap tingkat depresi.
Seorang admin dapat mengelola laman ini sesuai dengan kebutuhan.
Halaman Rules (Atura.
Gambar 5.
Halaman Rules (Atura.
Laman ini berfungsi untuk membuat aturan tingkat depresi .
endah, sedang, tingg.
berdasarkan gejala yang sudah dimasukkan di laman daftar gejala depresi.
Jutisi: Vol.
No.
Februari 2025: 262-271 Progresif e-ISSN: 2685-0877 Analisis Nilai User Gambar 6.
Halaman Nilai User Laman ini berfungsi untuk memberikan pilihan kepada pengguna untuk memasukkan tingkat .
ilai ras.
yang sedang dialami oleh mereka terhadap gejala yang sudah dipilih .
Hasil Diagnosa Gambar 7.
Halaman Hasil Diagnosa Laman ini menampilkan persentase hasil diagnosa tingkat depresi dari gejala-gejala yang sudah dipilih.
Nilai tertinggi merupakan jawaban dari tingkat depresi yang dialami seseorang.
Selain hasil diagnosa juga ditampilkan cara penanggulangannya.
Pembahasan Setelah melakukan uji terhadap aplikasi yang telah dibangun dengan metode blackbox dapat disimpulkan bahwa sistem berjalan sesuai dengan alur rancangan.
Semua fungsionalitas sistem dapat bekerja dengan baik dan dapat memberikan hasil mengenai tingkatan depresi yang dialami oleh pengguna berdasarkan gejala yang dimasukkan.
Pada penelitian ini juga dilakukan pengujian penguna dengan seorang pakar untuk membandingkan hasil diagnosa sistem dengan hasil diagnosa pakar.
Evaluasi tersebut dapat dilihat pada tabel 3 Kode Gejala G04.
G011.
G012
G4.
G9.
G21.
G22
G5.
G18.
G20.
G26
G5.
G14.
G22.
G24
G4.
G14.
G18.
G26
Tabel 3.
Evaluasi Hasil Diagnosa Diagnosa Diagnosa Sistem Pakar Depresi Berat Depresi Berat Depresi Berat Depresi Berat Depresi Berat Depresi Berat Depresi Depresi Sedang Sedang A A A A Depresi Berat Depresi Berat Kesimpulan Sesuai Sesuai Sesuai Sesuai A A Sesuai Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa .
Krisantus Jumarto Tey Seran e-ISSN: 2685-0893 Berdasarkan Tabel 3 terdapat 50 studi kasus dengan data yang sesuai 42 dan 8 data yang tidak sesuai.
Selanjutnya akan menghitung nilai akurasi berdasarkan nilai yang sesuai.
Berikut adalah perhitungan akurasi:
yaycoycycycaycycn = yaycaycyca ycIyceycycycaycn ycu 100% = ycu100% = 84% yaycycoycoycaEa yaycaycyca Berdasarkan hasil uji tersebut, diperoleh nilai akurasi aplikasi sistem pakar diagnosa tingkat depresi mahasiswa tingkat akhir sebesar 84%.
Hal ini menunjukkan bahwa metode teorema bayes dapat diterapkan untuk menyelesaikan persoalan yang berkaitan dengan Simpulan Metode Teorema Bayes yang diimplementasikan dalam penelitian ini mampu memberikan hasil diagnosa berupa tingkat depresi berdasarkan gejala nilai kemungkinan dari tiap gejala yang dialami.
Aplikasi yang dibangun, memiliki nilai akurasi sebesar 84% yang menunjukkan bahwa aplikasi sistem pakar yang dibangun dapat memabntu masiswa tingkat akhir untuk mengetahui tingkat depresi yang mahasiswa alami.
Saran untuk penelitian selanjutnya adalah pplikasi yang telah dibangun dapat dikembangkan untuk berbasis android.
Gejala dari tiap tingkat depresi juga dapat ditambah lebih rinci.
Daftar Referensi .
Gabrielle and S.
Novitayani.
AuHubungan Self-Awareness Dengan Tingkat Depresi Pada Mahasiswa Keperawatan Yang Sedang Melaksanakan Tugas Akhir,Ay JIM FKep, vol.
6, no.
1, pp.
1Ae6, 2022.
Firmansyah.
MM, and N.
Ningtyas.
AuHubungan Kecemasan Dengan Kualitas Tidur Mahasiswa Dalam Penyelesaian Tugas Akhir Di Sekolah Tinggi Ilmu Kesehatan Borneo Cendekia Medika,Ay Jurnal Borneo Cendekia, vol.
5, no.
2, pp.
148Ae157, .
Warmayana.
AuSistem Informasi Banten Otonan Di Era Society 5.
0,Ay Jurnal Ilmiah Ilmu Agama dan Ilmu Sosial Budaya, vol.
15, no.
2, pp.
144Ae156, 2020, [Onlin.
Available:
https://andi.
link/hootsuite.
Sugiono.
AuIndustri Konten Digital dalam Perspektif Society 5.
0,Ay Jurnal IPTEK-KOM, vol.
22, no.
2, pp.
175Ae191, 2020, doi: 10.
33164/iptekkom.
Aminah and R.
Mahyuni SPd.
AuSistem Pakar Untuk Mendiagnosa Penyakit Asam Lambung Menggunakan Metode Teorema Bayes,Ay Jurnal Cyber Tech, vol.
10, no.
10, pp.
1Ae12, 2020.
Sagat and A.
Purnomo.
AuSistem Pakar Diagnosa Penyakit Mata Menggunakan Metode Teorema Bayes,Ay Jurnal Pendidikan dan Teknologi Indonesia, vol.
1, no.
8, pp.
329Ae 337.
Aug.
2021, doi: 10.
52436/1.
Agustin.
Asgara, and W.
Baswardono.
AuPengembangan Aplikasi Diagnosa Penyakit Mata dengan Algoritma Teorema Bayes,Ay Jurnal Algoritma, vol.
21, no.
1, pp.
228Ae238.
May 2024, doi: 10.
33364/algoritma/v.
Auliannisa and M.
Hatta.
AuHubungan Social Comparison dengan Gejala Depresi pada Mahasiswa Pengguna Instagram,Ay Jurnal Riset Psikologi, vol.
1, no.
2, pp.
147Ae153.
Feb.
2022, doi: 10.
29313/jrp.
Yanti and N.
Nurwulan.
AuPengaruh Pembelajaran Daring Terhadap Depresi.
Stres.
Dan Kecemasan Mahasiswa,Ay Jurnal Muara Pendidikan, vol.
6, no.
1, pp.
58Ae63, 2021.
Barus and A.
Simangunsong.
AuSistem Pakar Diagnosa Penyakit Kejiwaan Pada Pasien Jiwa Dengan Metode Naive Bayes,Ay Jurnal Mahajana Informasi, vol.
6, no.
2, pp.
24Ae31, .
Santoso.
Maulita, and H.
Khair.
AuSistem Pakar Diagnosa Tingkat Depresi Mahasiswa Tingkat Akhir Dengan Menggunakan Metode Certainty Factor,Ay BIMASATI, vol.
1, no.
5, pp.
153Ae158, 2022.
Lao.
Mola, and D.
Prasetyo.
AuImplementasi Sistem Pakar Dalam Mendiagnosa Tingkat Depresi Pada Remaja Di Kota Kupang Menggunakan Metode Forward Chaining,Ay Jurnal Inovatifwira Wacana, vol.
2, no.
1, pp.
29Ae36, 2023.
Jutisi: Vol.
No.
Februari 2025: 262-271 Progresif e-ISSN: 2685-0877 Maulana and S.
Al Idrus.
AuSistem Pakar Untuk Mengukur Tingkat Depresi Mahasiswa Menggunakan Metode Fuzzy Sugeno,Ay Ocean Engineering : Jurnal Ilmu Teknik dan Teknologi Maritim, vol.
2, no.
1, pp.
37Ae50, 2023.
Ndaumanu et al.
Tahapan - Tahapan Rekayasa Perangkat Lunak, 1st ed.
, vol.
Bandung: Media Sains Indonesia, 2022.
Wijaya and M.
Astuti.
AuPengujian Blackbox Sistem Informasi Penilaian Kinerja Karyawan PT Inka (Perser.
Berbasis Equivalence Partitions,Ay Jurnal Digital Teknologi Informasi, vol.
4, no.
1, pp.
22Ae26, 2021.
Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa .
Krisantus Jumarto Tey Seran