PERBANDINGAN ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI KESEHATAN MENTAL MAHASISWA
DOI:
https://doi.org/10.36050/betrik.v15i01%20APRIL.224Keywords:
Kesehatan mental, K-Nearest Neighbor, Random forestAbstract
Kesehatan mental telah menjadi masalah besar di dunia pendidikan, terutama di perguruan tinggi. Hal ini terlepas dari kenyataan bahwa kesehatan mental berkontribusi terhadap kemajuan akademik dan perkembangan siswa, dan bahkan kesehatan mental dapat mempengaruhi lingkungan di kampus. Kesehatan mental adalah ketika seseorang dapat menjalani kehidupan normal, bekerja dengan produktif, dan berkontrubusi dengan orang-orang di sekitarnya. Tujuan dari penelitian ini adalah untuk klasifikasi Kesehatan mental Mahasiswa. kecerdasan buatan, atau yang juga dikenal sebagai pembelajaran mesin, terdapat sejumlah algoritma. Pendekatan algoritma yang digunakan dalam penelitian ini adalah Random Forest dan KNN. Dataset yang digunakan berasal dari website Kaggle, Dataset berjumlah 1100 data. Hasil penelitian menunjukkan nilai akurasi rata-rata. Dengan menggunakan metode konfusi metrik pada hutan acak, penelitian ini menemukan nilai akurasi 97% pada pembagian data 70:30 dan nilai akurasi 99% pada pembagian data 80:20. Dengan metode KNN diperoleh nilai akurasi 88% pada data pembagian 70:20 dan nilai akurasi 90% pada data pembagian 80:20.
References
D. F. Fakhriani, Kesehatan Mental, No. November 2019. 2019. [Online]. Available: Https://Www.Who.Int/News-Room/Fact-Sheets/Detail/Mental-Health-Strengthening-Our-Response%0ahttp://Digilib.Uinsby.Ac.Id/918/10/Daftar Pustaka.Pdf
K. Yan, D. Arisandi, And T. Tony, “Analisis Sentimen Komentar Netizen Twitter Terhadap Kesehatan Mental Masyarakat Indonesia,” J. Ilmu Komput. Dan Sist. Inf., Vol. 10, No. 1, 2022, Doi: 10.24912/Jiksi.V10i1.17865.
F. Fajrini Et Al., “Environmental Occupational Health And Safety Journal Analisis Perubahan Iklim Dan Kesehatan Mental Pada Mahasiswa Fakultas Kesehatan Masyarakat Universitas Muhammadiyah Jakarta,” Environ. Occup. Heal. Saf. J. •, Vol. 3, No. 2, P. 95, 2023.
A. Madani, I. Prasetyowati, And C. A. Kinanthi, “Hubungan Karakteristik Mahasiswa Dengan Kesehatan Mental Mahasiswa Selama Kuliah Online,” Ikesma, Vol. 18, No. 2, P. 72, Jun. 2022, Doi: 10.19184/Ikesma.V18i1.25679.
H. Syahputra Et Al., “Perbandingan Algoritma Support Vector Machine ( Svm ) Dan Decision Tree Untuk Deteksi Tingkat Depresi Mahasiswa,” Vol. 10, No. 1, Pp. 238–247, 2023.
R. Alfarezy, E. Ermatita, And R. M. B. Wadu, “Implementasi Algoritma Naïve Bayes Untuk Analisis Klasifikasi Survei Kesehatan Mental (Studi Kasus: Open Sourcing Mental Illness),” Inform. J. Ilmu Komput., Vol. 19, No. 1, Pp. 1–10, 2023, Doi: 10.52958/Iftk.V19i1.4696.
A. Suryanto And S. Nada, “Analisis Kesehatan Mental Mahasiswa Perguruan Tinggi Pada Awal Terjangkitnya Covid-19 Di Indonesia,” J. Citizsh. Virtues, Vol. 1, No. 2, Pp. 83–97, 2021.
M. K. Sari And E. A. Susmiatin, “Deteksi Dini Kesehatan Mental Emosional Pada Mahasiswa,” J. Ilm. Stikes Yars. Mataram, Vol. 13, No. 1, Pp. 10–17, 2023, Doi: 10.57267/Jisym.V13i1.226.
F. A. Larasati, D. E. Ratnawati, And B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana Dengan Metode Random Forest,” … Teknol. Inf. Dan …, Vol. 6, No. 9, Pp. 4305–4313, 2022, [Online]. Available: Http://J-Ptiik.Ub.Ac.Id
D. Alita And A. R. Isnain, “Pendeteksian Sarkasme Pada Proses Analisis Sentimen Menggunakan Random Forest Classifier,” J. Komputasi, Vol. 8, No. 2, Pp. 50–58, 2020, Doi: 10.23960/Komputasi.V8i2.2615.
D. Septiani, U. Enri, And N. Sulistiyowati, “Diagnosa Tingkat Depresi Mahasiswa Selama Masa Pandemi Covid-19 Menggunakan Algoritma Random Forest,” String (Satuan Tulisan Ris. Dan Inov. Teknol., Vol. 6, No. 2, P. 149, 2021, Doi: 10.30998/String.V6i2.10361.
D. Normawati And S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-Sakti, Vol. 5, No. 2, Pp. 697–711, 2021.
M. Wibowo And M. R. F. Djafar, “Perbandingan Metode Klasifikasi Untuk Deteksi Stress Pada Mahasiswa Di Perguruan Tinggi,” J. Media Inform. Budidarma, Vol. 7, No. 1, Pp. 153–159, 2023, Doi: 10.30865/Mib.V7i1.5182.
E. R. B. Sebayang, Y. H. Chrisnanto, And Melina, “Klasifikasi Data Kesehatan Mental Di Industri Teknologi Menggunakan Algoritma Random Forest,” Ijespg J., Vol. 1, No. 3, Pp. 237–253, 2023, [Online]. Available: Http://Ijespgjournal.Org
A. A. Karim, M. A. Prasetyo, And M. R. Saputro, “Perbandingan Metode Random Forest, K-Nearest Neighbor, Dan Svm Dalam Prediksi Akurasi Pertandingan Liga Italia,” Stain. (Seminar Nas. Teknol. Sains), Vol. 2, No. 1, Pp. 377–382, 2023.
L. Madaerdo Sotarjua, D. Budhi Santoso, U. H. Singaperbangsa Karawang Jl Ronggo Waluyo, K. Telukjambe Timur, K. Karawang, And J. Barat, “Perbandingan Algoritma Knn, Decision Tree,*Dan Random*Forest Pada Data Imbalanced Class Untuk Klasifikasi Promosi Karyawan,” Vol. 7, No. 2, P. 2022.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Farhan Pratama, Zikri Hadryan nst, Zuriatul Khairi, Rahmaddeni, Lusiana Efrizoni
This work is licensed under a Creative Commons Attribution 4.0 International License.
