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.

Preview	Text BAB I.pdf Download (300kB) | Preview
	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)
Preview	Text BAB V.pdf Download (262kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (209kB) | Preview

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.

Item Type:	Thesis (Skripsi)
Subjects:	Analisis Sistem Informasi
Divisions:	Skripsi > Teknik Informatika > 2024
Depositing User:	Digital Library
Date Deposited:	26 Sep 2024 08:56
Last Modified:	09 Nov 2024 02:42
URI:	https://repository.unama.ac.id/id/eprint/3806

Actions (login required)

View Item