CIPTA MEDIA HARMONICIPTA MEDIA HARMONI

JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi KomputerJSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer

Latar Belakang: Depresi menjadi isu krusial yang semakin sering dialami oleh mahasiswa akibat tekanan akademik, gaya hidup, dan tuntutan sosial. Deteksi dini sangat mendesak karena depresi yang tidak ditangani dapat berdampak buruk pada performa akademik, hubungan sosial, dan kualitas hidup mahasiswa. Tujuan: Penelitian ini bertujuan untuk membangun model prediksi risiko depresi yang akurat dan objektif pada mahasiswa dengan menggunakan algoritma Random Forest berbasis data akademik dan gaya hidup. Metode: Penelitian ini merupakan studi kuantitatif yang menerapkan metodologi Knowledge Discovery in Databases (KDD). Data yang digunakan adalah Student Depression Dataset dari Kaggle. Prosesnya meliputi preprocessing data, penyeimbangan data dengan SMOTEENN dan label encoding untuk mengubah data kategorikal menjadi numerik. Hasil: Model yang dikembangkan menunjukkan performa yang sangat tinggi pada saat diuji. Hasil evaluasi pada data uji menghasilkan nilai akurasi, precision, recall, dan f1-score yang seragam, yaitu sebesar 97%. Kesimpulan: Model Random Forest terbukti efektif untuk mendeteksi risiko depresi secara akurat dan seimbang. Model ini berpotensi menjadi alat bantu yang berharga bagi institusi pendidikan untuk melakukan intervensi preventif yang tepat sasaran. Penelitian selanjutnya dapat berfokus pada validasi model menggunakan data institusional di dunia nyata.

Penelitian ini berhasil membangun model prediksi risiko depresi pada mahasiswa menggunakan algoritma Random Forest yang sangat efektif, dengan akurasi, presisi, dan f1-score seragam sebesar 97%.Keterbatasan penelitian ini adalah penggunaan dataset publik yang mungkin tidak sepenuhnya merepresentasikan populasi mahasiswa secara global, serta data yang bersifat self-reported.Untuk penelitian selanjutnya, validasi model menggunakan data riil dari institusi pendidikan disarankan, serta eksplorasi penambahan fitur lain dan perbandingan dengan algoritma deep learning.

Penelitian ini berhasil memprediksi risiko depresi pada mahasiswa dengan akurasi tinggi, namun masih ada ruang untuk eksplorasi lebih lanjut. Pertama, studi lanjutan dapat fokus pada identifikasi faktor-faktor spesifik dalam lingkungan kampus yang berkontribusi terhadap depresi, misalnya dengan menganalisis data aktivitas mahasiswa di media sosial atau forum online kampus, serta menggabungkan data kualitatif dari wawancara mendalam. Kedua, penelitian kuantitatif dengan metode longitudinal akan sangat berguna untuk mengamati perkembangan kondisi mental mahasiswa dari waktu ke waktu, misalnya dengan mengumpulkan data secara berkala selama masa studi dan melihat bagaimana faktor-faktor seperti transisi antar semester atau perubahan gaya hidup mempengaruhi risiko depresi. Terakhir, penting untuk mengeksplorasi pengembangan sistem pendukung keputusan yang dapat memberikan rekomendasi intervensi yang personalisasi berdasarkan profil risiko depresi mahasiswa, dengan mempertimbangkan aspek seperti karakteristik demografis, riwayat kesehatan mental, dan preferensi individu.

  1. PENERAPAN DATA MINING METODE K-MEANS CLUSTERING UNTUK ANALISA PENJUALAN PADA TOKO YANA SPORT | JATI (Jurnal... doi.org/10.36040/jati.v6i2.5755PENERAPAN DATA MINING METODE K MEANS CLUSTERING UNTUK ANALISA PENJUALAN PADA TOKO YANA SPORT JATI Jurnal doi 10 36040 jati v6i2 5755
  2. SMOTE: METODE PENYEIMBANG KELAS PADA KLASIFIKASI DATA MINING | Arifiyanti | Scan : Jurnal Teknologi Informasi... doi.org/10.33005/scan.v15i1.1850SMOTE METODE PENYEIMBANG KELAS PADA KLASIFIKASI DATA MINING Arifiyanti Scan Jurnal Teknologi Informasi doi 10 33005 scan v15i1 1850
  3. Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB | Adrian | Jurnal Informatika... doi.org/10.26877/jiu.v7i1.7099Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB Adrian Jurnal Informatika doi 10 26877 jiu v7i1 7099
  4. Prediksi Risiko Depresi pada Mahasiswa Menggunakan Algoritma Random Forest Berdasarkan Data Akademik... jurnal.ciptamediaharmoni.id/index.php/jsitik/article/view/696Prediksi Risiko Depresi pada Mahasiswa Menggunakan Algoritma Random Forest Berdasarkan Data Akademik jurnal ciptamediaharmoni index php jsitik article view 696
  5. 0. 0 doi.org/10.24176/simet.v9i2.25130 0 doi 10 24176 simet v9i2 2513
  1. #regresi linier#regresi linier
  2. #random forest#random forest
Read online
File size526.3 KB
Pages10
Short Linkhttps://juris.id/p-23v
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