Penerapan Logika Fuzzy Sugeno untuk Deteksi Tingkat Depresi Kerja Karyawan

Penulis

  • Muhammad Daffa Universitas Islam Negeri Sumtera Utara
  • Sriani Sriani Universitas Islam Negeri Sumtera Utara

Kata Kunci:

Tingkat Depresi, Logika Fuzzy, Indeks Massa Tubuh, Patient Health Questionnaire

Abstrak

Masalah tingkat depresi pada karyawan perusahaan dapat berdampak negatif terhadap kinerja secara keseluruhan. Maka, pihak perusahaan membutuhkan informasi tambahan sebagai alat bantu untuk mendeteksi tingkat depresi karyawan secara dini dan memperoleh pemahaman tingkat depresi pada karyawan. Peneliti menerapkan fuzzy Sugeno untuk membangun model deteksi tingkat depresi karyawan berdasarkan data psikologis mereka. Dataset yang mencakup variabel seperti berat dan tinggi tubuh yang menghasilkan nilai Indeks Massa Tubuh (IMT) dan skor Patient Health Questionnaire-9 (PHQ-9) digunakan sebagai masukan untuk model. Data kemudian diubah menjadi konsep fuzzy set, dan aturan fuzzy dibangun berdasarkan pengetahuan domain yang ada. Model dibangun menggunakan 60 responden karyawan yang sudah mengisi kuesioner. Penelitian ini menggunakan aplikasi Matlab yang dapat memberikan hasil secara akurat. Hasil penelitian menunjukkan bahwa model logika fuzzy Sugeno mampu mendeteksi tingkat depresi karyawan dengan hasil menunjukkan (63.3%) karyawan tingkat depresi ringan, diikuti (31.7%) karyawan dengan depresi sedang, dan sebagian kecil karyawan dengan depresi berat (5%).

Referensi

Atina, A. (2019). Aplikasi Matlab pada Teknologi Pencitraan Medis. Jurnal Penelitian Fisika Dan Terapannya (JUPITER), 1(1), 28–34. https://doi.org/10.31851/jupiter.v1i1.3123

Gozali, M. I. (2020). Sistem Pengambil Keputusan Menggunakan Fuzzy Sugeno untuk Menentukan Penyakit Obesitas Anak Usia 0 sampai 16 Tahun. Jurnal Teknologi Dan Manajemen Informatika, 6(2), 90–96. https://doi.org/10.26905/jtmi.v6i2.4782

Hasanah, U., Fitri, N. L., Supardi, S., & PH, L. (2020). Depression Among College Students Due to the COVID-19 Pandemic. Jurnal Keperawatan Jiwa, 8(4), 421-424. https://doi.org/10.26714/jkj.8.4.2020.

Khairunisa, N. S., Safitri, D. R., Angelia, D., Taufan, M., & Sihaloho, E. D. (2019). Produktivitas Dan Depresi Di Indonesia: Analisis Data Indonesia Family Life Survey 014. Jurnal Ekonomi Pembangunan, 27(2), 75–84. https://doi.org/10.14203/jep.27.2.2019.75-84

Najamuddin, M., Miharja, D., & Adhkar, S. (2022). Implementasi Chatbot Deteksi Depresi Dini Pada Mahasiswa dengan PHQ-9 (Patient Health Questionnaire) menggunakan NLP (Natural Language Processing). Prosiding SAINTEK: Sains Dan Teknologi, 1(1), 103–108.

Pratiwi, T. K., & Astuti, Y. P. (2020). Penentuan Level Depresi Mahasiswa Tingkat Akhir Menggunakan Sistem Inferensi Fuzzy dengan Metode Sugeno. MATHunesa: Jurnal Ilmiah Matematika, 8(3), 269–273. https://doi.org/10.26740/mathunesa.v8n3.p269-273

Putri, A. D. (2017). Fuzzy Logic Untuk Menentukan Lokasi Kios Terbaik Di Kepri Mall Dengan Menggunakan Metode Sugeno. Edik Informatika, 3(1), 49–59. https://doi.org/10.22202/ei.2016.v3i1.1517

Rasyid, M. F. Z. (2021). Pengaruh Asupan Kalsium Terhadap Indeks Masa Tubuh (IMT). Jurnal Medika Hutama, 2(4), 1094–1097.

Rostampour, N., Naderi, M., Rostampour, N., & Safavi, P. (2022). The relationship between body mass index and depression, anxiety, body image, and eating attitudes in adolescents in Iran. Advanced Biomedical Research, 11(1), 51–55. https://doi.org/10.4103/abr.abr_259_20

Septiani, D., Enri, U., & Sulistiyowati, N. (2021). Diagnosa Tingkat Depresi Mahasiswa Selama Masa Pandemi Covid-19 Menggunakan Algoritma Random Forest. STRING (Satuan Tulisan Riset Dan Inovasi Teknologi), 6(2), 149–157. https://doi.org/10.30998/string.v6i2.10361

Sriani, S. (2019). Pemanfaatan Sistem Pengendali Water Level Control Untuk Budidaya Ikan Gurame Pada Kolam Terpal Menggunakan Logika Fuzzy Berbasis Mikrokontroler. Elkawnie, 5(1), 47–57. https://doi.org/10.22373/ekw.v5i1.3766

Sugihartono, P. P. P., Hidayat, N., & Tibyani, T. (2020). Implementasi Metode Fuzzy Tsukamoto Untuk Deteksi Dini Tingkat Depresi Mahasiswa Yang Sedang Menempuh Skripsi (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(10), 3432–3438.

Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 6 No. 3 Juli 2023

Unduhan

Diterbitkan

2023-07-30

Cara Mengutip

Daffa, M., & Sriani, S. (2023). Penerapan Logika Fuzzy Sugeno untuk Deteksi Tingkat Depresi Kerja Karyawan. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 6(3), 484–493. Diambil dari https://openjournal.unpam.ac.id/index.php/JTSI/article/view/32020

Terbitan

Vol 6 No 3 (2023): Jurnal Teknologi Sistem Informasi dan Aplikasi

Bagian

Article

Lisensi

Hak Cipta (c) 2023 Muhammad Daffa, Sriani

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Jurnal Teknologi Sistem Informasi dan Aplikasi have CC BY-NC or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.

In developing strategy and setting priorities, Jurnal Teknologi Sistem Informasi dan Aplikasi recognize that free access is better than priced access, libre access is better than free access, and libre under CC BY-NC or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) License

YOU ARE FREE TO:

  • Adapt - remix, transform, and build upon the material for any purpose, even commercially.
  • The licensor cannot revoke these freedoms as long as you follow the license terms