Image of Model prediksi kesehatan mental mahasiswa menggunakan algoritma support vector machine dan naïve bayes dengan hyperparameter tuning berbasis particle swarm optimizer (Pso)

Text

Model prediksi kesehatan mental mahasiswa menggunakan algoritma support vector machine dan naïve bayes dengan hyperparameter tuning berbasis particle swarm optimizer (Pso)

Permasalahan kesehatan mental di kalangan mahasiswa menjadi isu global yang semakin penting, terutama dalam lingkungan akademik yang penuh tekanan. Berdasarkan penelitian sebelumnya, banyak faktor yang berkontribusi terhadap keschatan mental mahasiswa, seperti beban akademik, tekanan sosial, dan kondisi ckonomi. Namun, pendekatan konvensional dalam mengindentifikasi mahasiswa yang berisiko mengalami gangguan kesehatan mental masih kurang efisien. Oleh karena itu, penelitian ini bertujuan untuk membangun model prediksi kesehatan mental mahasiswa menggunakan algoritma Machine Learning guna membantu deteksi dini dan memberikan rekomendasi intervensi yang lebih tepat. Metode yang digunakan adalah pendekatan supervised learning dengan algoritma Support Vector Machine (SVM) dan Naïve Bayes, serta penerapan Synthetic Minority Oversampling Technique (SMOTE) dan Adaptive Synthetic Sampling (ADASYN) untuk mengatasi ketidakseimbangan data. Selain itu, dilakukan hyperparameter tuning menggunakan algoritma Particle Swarm Optimization (PSO) untuk meningkatkan performa model. Proses penelitian meliputi: (i) pengumpulan data melalui kuesioner daring; (ii) preprocessing data, termasuk pembersihan dan transformasi; (iii) pembangunan model prediksi; (iv) evaluasi model menggunakan metrik akurasi, presisi, recall, dan Fl-score; serta (v) perbandingan hasil antar model. Hasil penelitian menunjukkan bahwa model SVM dengan SMOTE dan tuning PSO memberikan performa terbaik dengan nilai cross-validation accuracy 74,30% dan akurasi uji 71,60%, lebih unggul dibandingkan model Naïve Bayes. Dengan demikian, penelitian ini membuktikan bahwa kombinasi algoritma SVM, teknik oversampling, dan optimasi PSO dapat menghasilkan model prediksi kesehatan mental mahasiswa yang lebih optimal.

Ketersediaan
SI25/022SI 25/022Prodi Sistem Informasi (Ruang Skripsi & Tesis)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
SI 25/022
Penerbit
Jakarta : Universitas Trilogi.,
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
SI
Tipe Isi
text
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Trilogi University--Management information systems
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar
Anda harus masuk sebelum memberikan komentar