RIFSYA AULIA, - (2026) PERBANDINGAN KINERJA ALGORITMA ENSEMBLE LEARNING DALAM KLASIFIKASI TINGKAT KESEHATAN MENTAL PADA MAHASISWA. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB GABUNGAN) File Lengkap Tanpa BAB 4 - Rifsya Aulia - RIFSYA AULIA SISTEM INFORMASI.pdf - Published Version Download (6MB) | Preview
	Text (BAB HASIL) BAB 4 - Rifsya Aulia - RIFSYA AULIA SISTEM INFORMASI.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text (PERNYATAAN PUBLIKASI) Surat Pernyataan Serah Terima Karya - RIFSYA AULIA SISTEM INFORMASI.pdf - Published Version Download (357kB) | Preview

Abstract

Kesehatan mental mahasiswa merupakan isu penting di lingkungan akademik akibat tingginya tekanan akademik dan sosial yang berpotensi memicu depresi, kecemasan, dan stres. Penelitian ini bertujuan untuk mengklasifikasikan tingkat depresi, kecemasan, dan stres mahasiswa berdasarkan kuesioner Depression Anxiety Stress Scale–21 (DASS-21) menggunakan pendekatan machine learning berbasis ensemble learning. Enam algoritma ensemble learning digunakan, yaitu Random Forest, Gradient Boosting, AdaBoost, XGBoost, LightGBM, dan CatBoost. Untuk menganalisis pengaruh strategi pengolahan data terhadap kinerja model, diterapkan tiga skema data, yaitu data asli, Synthetic Minority Oversampling Technique (SMOTE), dan augmentasi data. Dataset dibagi menjadi data latih dan data uji dengan rasio 80:20. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, serta didukung oleh confusion matrix dan kurva ROC-AUC. Hasil penelitian menunjukkan bahwa skema augmentasi data secara konsisten meningkatkan performa model pada seluruh target klasifikasi. Random Forest dengan skema augmentasi menghasilkan kinerja terbaik, dengan akurasi sebesar 99.71% pada klasifikasi depresi, 99.42% pada klasifikasi kecemasan, dan 100% pada klasifikasi stres. Temuan ini menunjukkan bahwa kombinasi pendekatan ensemble learning dan augmentasi data efektif dalam meningkatkan akurasi klasifikasi kondisi kesehatan mental mahasiswa berbasis DASS-21.

Actions (login required)

View Item