PERBANDINGAN ALGORITMA NAÏVE BAYES DAN REGRESI LOGISTIK UNTUK MEMPREDIKSI KESEHATAN MENTAL MAHASISWA DI PROVINSI JAMBI

Fitriani, Fitriani (2025) PERBANDINGAN ALGORITMA NAÏVE BAYES DAN REGRESI LOGISTIK UNTUK MEMPREDIKSI KESEHATAN MENTAL MAHASISWA DI PROVINSI JAMBI. Masters thesis, UNAMA.

	Text BAB I.pdf Download (192kB)
	Text BAB II.pdf Restricted to Registered users only Download (629kB)
	Text BAB III.pdf Restricted to Registered users only Download (161kB)
	Text BAB IV.pdf Restricted to Registered users only Download (3MB)
	Text BAB V.pdf Download (11kB)
	Text DAFTAR PUSTAKA.pdf Download (135kB)

Abstract

Kesehatan mental mahasiswa semakin menjadi perhatian global karena dipengaruhi oleh tekanan akademik, masalah sosial, dan perubahan gaya hidup. Di Indonesia, 20% populasi diperkirakan mengalami potensi gangguan mental, dengan lebih dari 12 juta orang mengalami depresi. Peningkatan signifikan kasus bunuh diri, termasuk di kalangan mahasiswa seperti mahasiswa di Jambi yang melakukan bunuh diri menunjukkan dampak tekanan yang besar pada kesehatan mental. Salah satu langkah penting dalam menangani masalah kesehatan mental adalah dengan memprediksi potensi gangguan yang mungkin terjadi pada mahasiswa sebelum masalah tersebut berkembang lebih parah. Dengan prediksi yang tepat, tindakan pencegahan dan intervensi dapat dilakukan lebih awal. Metode yang dapat digunakan untuk prediksi gangguan kesehatan mental adalah metode berbasis data, seperti Naive Bayes dan Regresi Logistik. Penelitian ini menggunakan data dari 300 mahasiswa yang berasal dari tiga perguruan tinggi yang berbeda. Melalui pengumpulan data dari berbagai perguruan tinggi. Penelitian ini bertujuan untuk menganalisis dan membandingkan akurasi algoritma Naïve Bayes dan regresi logistik dalam memprediksi kesehatan mental mahasiswa selain itu juga untuk mendapatkan gambaran yang lebih luas mengenai faktor-faktor yang mempengaruhi kesehatan mental mahasiswa di Provinsi Jambi. Hasil penelitian menunjukkan perbandingan performa antara algoritma Naïve Bayes akurasi tinggi, yaitu 99,58% pada training set dan 100% pada testing set, sedangkan regresi logistik hanya mencapai 61,67% pada training set dan 63,33% pada testing set. Temuan ini mendukung pengembangan alat deteksi dini kesehatan mental yang lebih efektif untuk membantu institusi pendidikan merancang intervensi yang tepat.

Actions (login required)

View Item