Text

Implementasi Metode Naive Bayes Untuk Menentukan Tingkat Kesehatan Mental Mahasiswa

---

Mahasiswa sebagai kelompok usia produktif tidak terlepas dari tekanan akademik, sosial, dan ekonomi yang dapat memicu gejala depresi, kecemasan, dan stres, sehingga diperlukan upaya deteksi dini kondisi kesehatan mental secara lebih terukur dan berbasis data. Penelitian ini bertujuan mengimplementasikan metode Naïve Bayes untuk mengklasifikasikan tingkat kesehatan mental mahasiswa menggunakan instrumen Depression Anxiety Stress Scales (DASS-21) yang membagi kondisi ke dalam lima kategori, yaitu normal, ringan, sedang, berat, dan sangat berat. Data yang digunakan berjumlah 852 record, yang berasal dari penggabungan data kuesioner penelitian sebelumnya terhadap remaja dengan dataset Mental Health Dataset Based on DASS-21 yang difilter pada kategori mahasiswa, kemudian diolah menjadi data latih dan data uji. Sistem klasifikasi dibangun berbasis web dengan PHP sebagai antarmuka dan Python sebagai penyedia layanan machine learning melalui API, sehingga pengguna dapat mengisi data gejala dan memperoleh hasil klasifikasi secara langsung. Evaluasi dilakukan menggunakan confusion matrix dan membandingkan beberapa varian algoritma, yaitu Multinomial Naïve Bayes, Categorical Naïve Bayes, Gaussian Naïve Bayes, K-Nearest Neighbors, dan Decision Tree. Hasil pengujian menunjukkan bahwa model Naïve Bayes memberikan kinerja terbaik dengan akurasi 90,64%, precision 84,23%, dan recall 85,38%, sehingga sistem klasifikasi tingkat kesehatan mental mahasiswa yang dibangun dinilai layak digunakan sebagai alat bantu deteksi awal dan berpotensi dikembangkan lebih lanjut di lingkungan pendidikan tinggi.

---

Availability

Detail Information

Call Number

Informatika 610.7 Raf i

Language

Indonesia

NPM

193510767

Publisher

Teknik Infomatka : Universitas Islam Riau., 2026

Keyword(s)

machine learning
Kesehatan Mental
Klasifikasi
Metode NaÏve Bayes
DASS-21

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment