IMPLEMENTASI ALGORITMA C4.5 UNTUK PREDIKSI GANGGUAN KESEHATAN MENTAL MENGGUNAKAN RAPID MINER DAN GOOGLE COLABORATORY

Septia Kurnicova, Nungky (2024) IMPLEMENTASI ALGORITMA C4.5 UNTUK PREDIKSI GANGGUAN KESEHATAN MENTAL MENGGUNAKAN RAPID MINER DAN GOOGLE COLABORATORY. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (300kB)
	Text BAB II.pdf Restricted to Registered users only Download (570kB)
	Text BAB III.pdf Restricted to Registered users only Download (414kB)
	Text BAB IV.pdf Restricted to Registered users only Download (3MB)
	Text BAB V.pdf Download (262kB)
	Text DAFTAR PUSTAKA.pdf Download (209kB)

Abstract

Gangguan kesehatan mental menjadi perhatian global yang semakin meningkat, dengan dampak signifikan pada kualitas hidup individu dan masyarakat. Diagnosis gangguan kesehatan mental kompleks karena gejala dan faktor yang beragam, memerlukan pendekatan yang canggih. Teknologi dan analisis data, khususnya data mining dengan algoritma C4.5, menjadi solusi potensial. Penelitian ini bertujuan menerapkan algortima C4.5 untuk memprediksi gangguan kesehatan mental pada dataset “Unemployement and Mental Illness Survey” oleh Michael Corley, MBA, LSSBB, CPM dengan bantuan aplikasi Rapid Miner dan Google Colaboratory. Pada penelitian ini algoritma C4.5 akan memprediksi gangguan kesehatan mental dengan mengklasifikasikan variabel-variabel yang telah ditentukan, serta mengitung sejauh mana model dapat memprediksi dengan benar kelas atau label dari data uji. Hasil penelitian ini juga akan menentukan variabel mana yang paling berpengaruh dalam memprediksi gangguan keseatan mental. Hasil klasifikasi menunjukkan bahwa Algoritma C4.5 dengan Rapid Miner menghasilkan akurasi sebesar 85,94%, presisi 75,64%, dan recall 66,19%, sementara dengan Google Colaboratory mencapai akurasi 82%, presisi 65%, dan recall 72%. Perbandingan antara kedua tools menunjukkan bahwa Rapid Miner memiliki tingkat ketepatan yang lebih tinggi dalam memprediksi gangguan kesehatan mental. Analisis variabel menunjukkan bahwa Depression merupakan faktor paling berpengaruh dalam memprediksi gangguan kesehatan mental, sedangkan Gender memiliki pengaruh paling sedikit.

Actions (login required)

View Item