Skripsi

Perbandingan analisis pola sintaksis berbasis machine learning antara mahasiswa dengan gejala depresi dan tanpa gejala depresi = Comparison of syntax pattern based on machine learning analysis between university students with and without depression symptoms.

Latar Belakang Kesadaran masyarakat Indonesia terhadap gangguan kejiwaan pada mahasiswa tergolong rendah, walaupun prevalensi depresi pada mahasiswa masih tinggi. Penelitian ini dilakukan untuk melihat perbandingan pola sintaksis antara mahasiswa yang memiliki gejala depresi dan tanpa gejala depresi dengan mengukur rerata jumlah pronomina persona orang pertama tunggal. Machine learning digunakan untuk membantu analisis pola sintaksis agar jumlah pronomina persona orang pertama tunggal dapat menjadi penanda biologis yang objektif dari gejala depresi untuk kepentingan skrining dan pencegahan dini. Metode Studi potong lintang dilakukan pada mahasiswa S1 Universitas Indonesia yang sedang berada di Depok dan diperoleh 121 responden dengan data yang mencukupi untuk dianalisis. Hasil pengukuran dari kuesioner DASS-21 menemukan bahwa 37 mahasiswa memiliki gejala depresi, sedangkan 84 mahasiswa lainnya tidak. Aplikasi berbasis machine learning “StethoSoul” dimanfaatkan dalam proses ekstraksi dan deteksi fitur linguistik dari responden. Analisis nonparametrik Mann-Whitney U test (CI = 95%) dilakukan untuk melihat korelasi antara jumlah pronomina persona orang pertama tunggal dengan gejala depresi. Hasil Penelitian ini tidak menemukan korelasi yang signifikan antara jumlah pronomina persona orang pertama tunggal dengan gejala depresi. Penemuan ini berkontradiksi dengan hasil dari banyak penelitian yang telah dilakukan sebelumnya. Kesimpulan Meskipun hasil tidak signifikan secara statistik, terdapat peningkatan jumlah pronomina persona orang pertama tunggal pada mahasiswa dengan gejala depresi. Dengan demikian, tidak dapat disimpulkan bahwa kedua variabel tidak berhubungan karena berbagai faktor keterbatasan pada studi ini.
Kata Kunci: Mahasiswa, gejala depresi, pola sintaksis, pronomina persona orang pertama tunggal, machine learning


Introduction Although the prevalence of depression on university students is high, awareness regarding their mental health in Indonesia remains underestimated. This research was done to compare the syntax pattern between undergraduates with and without depression symptoms by measuring the average sum of first-person singular personal pronouns. Syntax pattern was analysed with the assistance of machine learning so that the number of first-person singular personal pronouns can become an objective biomarker of depression symptoms for future early screening and preventive measures. Method A cross-sectional study was conducted on undergraduate students at University of Indonesia that were situated in Depok during the study period. A final total of 121 respondents who fulfilled the criteria were obtained and analyzed. Based on the DASS- 21 questionnaire that was distributed among the respondents, 37 students displayed depression symptoms while 84 others did not. “StethoSoul”, a machine-based learning application, was utilized to extract and detect the linguistic features of the respondents. The nonparametric analysis Mann-Whitney U test (CI = 95%) was done to find the correlation between the number offirst-person singular personal pronouns and depression symptoms. Results No significant correlation was found between the number of first-person singular personal pronouns and depression symptoms. This finding contradicts the outcomes of numerous prior studies. Conclusion While the outcome lacked statistical significance, an increase in the number of firstperson singular personal pronouns of undergraduates with depression symptoms was evident. Therefore, it cannot be concluded that the variables under investigation do not exhibit any correlation due to the limitations inherent in this study.
Keywords: University students, depression symptoms, syntax pattern, first-person singular personal pronouns, machine learning