IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBORS (KNN) DALAM KLASIFIKASI DEPRESI PADA MAHASISWA

Enjelita, Marsela (2025) IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBORS (KNN) DALAM KLASIFIKASI DEPRESI PADA MAHASISWA. Skripsi thesis, UNAMA.

Preview	Text BAB I.pdf Download (251kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (630kB)
	Text BAB III.pdf Restricted to Registered users only Download (412kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
Preview	Text BAB V.pdf Download (16kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (268kB) | Preview

Abstract

Kesehatan mental merupakan aspek penting dalam kehidupan, terutama bagi
mahasiswa yang rentan mengalami tekanan akademik, sosial, dan pribadi. Depresi
yang tidak terdeteksi dan tidak ditangani sejak dini dapat berdampak serius terhadap
kualitas hidup mahasiswa. Penelitian ini bertujuan untuk mengimplementasikan
algoritma K-Nearest Neighbors (KNN) dalam klasifikasi depresi pada mahasiswa
dengan menggunakan dataset “Student Depression Dataset” dari Kaggle.
Metodologi penelitian meliputi tahap pra-pemrosesan data (imputasi, encoding,
scaling), seleksi fitur menggunakan SelectKBest, serta evaluasi model
menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian
menunjukkan bahwa model KNN tanpa seleksi fitur menghasilkan akurasi sebesar
82.91% dengan nilai recall pada kelas depresi mencapai 89%, sedangkan model
dengan seleksi 8 fitur terbaik memperoleh akurasi sebesar 83.59% dan recall 88%
pada kelas depresi. Pemilihan nilai k optimal dilakukan melalui 5-fold crossvalidation, di mana k = 38 memberikan hasil terbaik tanpa seleksi fitur, dan k = 29
terbaik dengan seleksi fitur. Penelitian ini membuktikan bahwa algoritma KNN
dapat digunakan secara efektif untuk mendeteksi potensi depresi pada mahasiswa,
dan dapat menjadi alat bantu dalam upaya deteksi dini gangguan kesehatan mental
di lingkungan pendidikan tinggi.

Item Type:	Thesis (Skripsi)
Subjects:	Aplikasi Sistem Pengolahan Data
Divisions:	Skripsi > Teknik Informatika > 2025
Depositing User:	Digital Library
Date Deposited:	30 Apr 2026 03:33
Last Modified:	30 Apr 2026 03:33
URI:	https://repository.unama.ac.id/id/eprint/5450

Actions (login required)

View Item