ANALISIS DAMPAK ASPEK KEHIDUPAN TERHADAP TINGKAT DEPRESI PADA MAHASISWA DAN PEKERJA MENGGUNAKAN MACHINE LEARNING DAN HYPERPARAMETER TUNING

Prima, Sonic (2025) ANALISIS DAMPAK ASPEK KEHIDUPAN TERHADAP TINGKAT DEPRESI PADA MAHASISWA DAN PEKERJA MENGGUNAKAN MACHINE LEARNING DAN HYPERPARAMETER TUNING. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (348kB)
	Text BAB II.pdf Restricted to Registered users only Download (373kB)
	Text BAB III.pdf Restricted to Registered users only Download (230kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (194kB)
	Text DAFTAR PUSTAKA.pdf Download (332kB)

Abstract

Penelitian ini menganalisis dampak berbagai aspek kehidupan terhadap tingkat depresi dan kecemasan pada mahasiswa dan pekerja menggunakan algoritma Machine Learning dengan teknik Hyperparameter Tuning. Data yang digunakan berasal dari survei yang dilakukan pada periode Januari hingga Juni 2023, yang mencakup faktor-faktor seperti tekanan akademik, kepuasan kerja, tekanan finansial, durasi tidur, serta riwayat keluarga terkait penyakit mental. Algoritma yang diuji dalam penelitian ini meliputi Support Vector Machine (SVM), K-Nearest Neighbors (K-NN), dan Random Forest. Hasil penelitian menunjukkan bahwa SVM memberikan akurasi tertinggi (98.63%) dibandingkan dengan Random Forest (94.92%) dan K-NN (90.43%). Faktor yang paling signifikan dalam prediksi depresi adalah usia, riwayat pikiran bunuh diri, tekanan akademik, dan kepuasan belajar. Temuan ini menegaskan bahwa pendekatan Machine Learning dapat digunakan secara efektif dalam mendeteksi risiko depresi dan kecemasan. Selain itu, penelitian ini merekomendasikan penyeimbangan dataset serta pengembangan model yang lebih interpretatif untuk penerapan dalam praktik kesehatan mental.

Actions (login required)

View Item