Skripsi

Perbandingan Pola Sintaksis Antara Mahasiswa Yang MengalamiGejala Ansietas Sedang Dengan Gejala Ansietas Berat Menggunakan Aplikasi BerbasisMachine Learning = Comparison of Syntax Pattern in University Student With Moderateand High Anxiety Symptoms Using Machine Learning Analysis.

Latar BelakangGangguan kecemasan lebih banyak terjadi pada saat seseorang memasuki fase dewasamuda. Kecemasan merupakan salah satu faktor risiko dalam perilaku bunuh diri di duniadan penyebab kematian kedua yang terjadi di kalangan mahasiswa atau dewasa muda.Saat ini, perkembangan AI dalam bentuk aplikasi berbasis machine learning telah banyakdigunakan dalam berbagai bidang. Akan tetapi, penggunaan aplikasi berbasis machinelearning di dunia medis, khususnya dalam mendeteksi dini gangguan kecemasan diIndonesia masih terbatas.MetodeStudi ini menggunakan desain studi cross-sectional, dengan metode pengambilan sampelpurposive sampling. Data terkait gejala kecemasan akan diambil dari hasil pengisiankuesioner STAI, sedangkan perseverasi akan dihitung melalui hasil transkrip perekamansuara pada aplikasi “StethoSoul”. Karakteristik studi akan ditampilkan dalam bentuk datadeskriptif. Analisis statistik menggunakan uji alternatif Mann-Whitney, dengan hasilyang dianggap signifikan adalah p < 0,05.HasilDalam penelitian ini terdapat total sebanyak data dari 121 mahasiswa yang memadaiuntuk dianalisis. Berdasarkan hasil analisis statistik, ditemukan adanya perbedaan yangsignifikan pada komponen SAI (p=0.007), sedangkan pada komponen TAI, tidakditunjukkan adanya perbedaan yang signifikan (p=0.480) antara perseverasi dengankelompok gejala kecemasan.KesimpulanHipotesis nol penelitian ini ditolak karena pada kedua komponen ditemukan adanyaperbedaan perseverasi antara kelompok dengan gejala kecemasan sedang dan gejalakecemasan berat.
Kata Kunci: Machine learning, kecemasan, perseverasi


IntroductionAnxiety disorders are becoming increasingly prevalent throughout the adolescent years.It is also a major risk factor for suicide behavior and the second leading cause of deathamong university students and adolescents. AI is now being used in a variety of fields asa machine learning-based application. However, its use in medicine, particularly for theearly detection of anxiety disorders, is yet unknown in Indonesia.MethodPurposive sampling was used in this cross-sectional study. Data regarding anxietysymptoms are obtained from STAI questionnaire, while perseveration was count from therecording transcript in the “StethoSoul” applicaiton. Study characteristics were shown asa descriptive data. Mann-Whitney test was applied in this study, with the findingsconsidered significant if p < 0,05.ResultsA total of 121 samples are eligible for analysis. Statistical analysis revealed a significantdifference between perseveration and anxiety symptoms on the SAI component (p=0.007)but no significant difference on the TAI component (p=0.480).ConclusionThe null hypothesis was rejected because there is difference between perseveration inmoderate anxiety symptoms and high anxiety symptoms group.
Keywords: Machine learning, anxiety, perseveration