UBHARAUBHARA

JEECS (Journal of Electrical Engineering and Computer Sciences)JEECS (Journal of Electrical Engineering and Computer Sciences)

Kesehatan mental menjadi aspek penting bagi mahasiswa, karena gangguan kesehatan mental yang tidak terdeteksi dapat berdampak signifikan terhadap kinerja akademik dan kesejahteraan mereka. Penelitian ini mengevaluasi peran Teknik Oversampling Minoritas Sintetis (SMOTE) dalam meningkatkan kinerja model klasifikasi. Meski penggunaan machine learning dalam deteksi kesehatan mental meningkat, penelitian tentang penanganan dataset tidak seimbang di populasi mahasiswa kecil masih terbatas. Penelitian ini bertujuan mengembangkan sistem deteksi dini kesehatan mental menggunakan data mahasiswa dan alat ukur SKM-12. Hasil menunjukkan bahwa metode Logistic Regression dengan SMOTE mencapai akurasi 89,28%, presisi rata-rata 89,5%, recall rata-rata 89,75%, dan skor F1 rata-rata 88,5%. Penelitian ini menunjukkan bahwa penanganan ketidakseimbangan kelas dengan SMOTE secara signifikan meningkatkan kinerja model klasifikasi kesehatan mental.

Metode Logistic Regression dengan SMOTE menunjukkan performa terbaik dengan akurasi 89,28%, presisi rata-rata 89,5%, recall rata-rata 89,75%, dan skor F1 rata-rata 88,5%.Hasil ini menunjukkan potensi penggunaan SMOTE dalam penanganan dataset tidak seimbang pada studi kesehatan mental mahasiswa.

Untuk penelitian lanjutan, pertama, dapat dianalisis dampak ukuran dataset yang lebih besar terhadap akurasi model dengan menguji kinerja SVM, Random Forest, dan Logistic Regression pada data mahasiswa dari lebih banyak universitas. Kedua, perlu dieksplorasi kombinasi algoritma seperti hybrid models untuk meningkatkan generalisasi prediksi kesehatan mental. Ketiga, penelitian lebih lanjut dapat fokus pada integrasi data real-time dari aplikasi ponsel berbasis SKM-12 untuk memantau perubahan kesehatan mental secara berkelanjutan. Ini akan memberikan wawasan tentang dinamika kesehatan mental mahasiswa dan efektivitas solusi berbasis teknologi dalam konteks nyata.

  1. Mental Health Prediction Models Using Machine Learning in Higher Education Institution | Turkish Journal... doi.org/10.17762/turcomat.v12i5.2181Mental Health Prediction Models Using Machine Learning in Higher Education Institution Turkish Journal doi 10 17762 turcomat v12i5 2181
  2. Hubungan Stres Akademik dengan Kecenderungan Depresi Mahasiswa Ilmu Keperawatan Universitas Gadjah Mada... jurnal.ugm.ac.id/jkkk/article/view/84827Hubungan Stres Akademik dengan Kecenderungan Depresi Mahasiswa Ilmu Keperawatan Universitas Gadjah Mada jurnal ugm ac jkkk article view 84827
  3. APA PsycNet. psycnet loading doi.org/10.1037/0022-006X.51.5.730APA PsycNet psycnet loading doi 10 1037 0022 006X 51 5 730
  4. Analisis Faktor Konfirmatori Terhadap Alat Ukur Kesehatan Mental Berdasarkan Teori Dual Model | Aziz... doi.org/10.18860/psi.v16i2.8199Analisis Faktor Konfirmatori Terhadap Alat Ukur Kesehatan Mental Berdasarkan Teori Dual Model Aziz doi 10 18860 psi v16i2 8199
  1. #random forest#random forest
  2. #logistic regression#logistic regression
Read online
File size1007.81 KB
Pages12
Short Linkhttps://juris.id/p-2Ae
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