UMUSUMUS

Jurnal Ilmiah Intech : Information Technology Journal of UMUSJurnal Ilmiah Intech : Information Technology Journal of UMUS

Mahasiswa sering mengalami tekanan dari aspek akademik, sosial, dan pribadi yang dapat menyebabkan gangguan mental seperti depresi. Jika tidak ditangani, kondisi ini berisiko mengganggu pencapaian akademik, relasi sosial, hingga memicu tindakan ekstrem. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah sistem guna memprediksi tingkat risiko depresi pada mahasiswa menggunakan algoritma klasifikasi K-Nearest Neighbor (KNN). Data dikumpulkan dari 300 mahasiswa melalui kuesioner dengan skala Likert. Sistem dikembangkan menggunakan Python untuk tahap pra-pemrosesan. Proses analisis mencakup seleksi data, pembersihan, transformasi, klasifikasi dengan KNN, dan evaluasi kinerja menggunakan confusion matrix. Dari pengujian terhadap 60 data uji, diperoleh akurasi 85%, presisi 90%, dan recall 83%. Sistem ini berpotensi digunakan sebagai alat bantu deteksi dini bagi mahasiswa dan institusi pendidikan.

Algoritma K-Nearest Neighbor (KNN) terbukti efektif dalam memprediksi tingkat risiko depresi pada mahasiswa berdasarkan data kuesioner.Dengan pembagian data latih dan uji sebesar 80.20, model mencapai akurasi sebesar 85%, menunjukkan kontribusi signifikan dari jumlah dan kualitas data latih.Hasil ini menunjukkan potensi KNN sebagai alat bantu skrining awal kondisi psikologis mahasiswa di lingkungan kampus.

Pertama, perlu dikembangkan penelitian yang membandingkan kinerja algoritma KNN dengan pendekatan lain seperti Decision Tree, SVM, atau Random Forest untuk mengetahui metode mana yang paling akurat dalam konteks deteksi risiko depresi di kalangan mahasiswa. Kedua, diperlukan studi lanjutan yang merancang sistem klasifikasi berbasis aplikasi mobile atau web yang mudah diakses dan ramah pengguna, agar dapat diadopsi secara luas oleh universitas sebagai bagian dari layanan kesehatan mental. Ketiga, perlu dilakukan penelitian yang menguji integrasi data non-kuesioner seperti aktivitas digital, pola tidur, atau interaksi sosial media untuk melihat sejauh mana data real-time dapat meningkatkan akurasi prediksi risiko depresi secara dinamis dan personal.

  1. #rancang sistem#rancang sistem
  2. #harga beras premium#harga beras premium
Read online
File size801.43 KB
Pages11
Short Linkhttps://juris.id/p-3ev
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test