Skripsi/Tugas Akhir

Klasifikasi Gejala Gangguan Kesehatan Mental pada Mahasiswa Universitas Dipa Makassar Menggunakan Naive Bayes Algorithm

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Penelitian ini dilatarbelakangi oleh mahasiswa dihadapkan pada tekanan akademik yang tinggi, berbagai tuntutan dalam perkuliahan, ujian, dan tugas, yang sering kali memunculkan stress yang signifikan. Selain itu, lingkungan social di kampus menciptakan tantangan tambahan, seperti adaptasi dengan teman sebaya, tekanan kelompok, dan masalah personal. Saat ini belum ada skripsi yang secara khusus mengukur tingkat kesehatan mental di kalangan mahasiswa Universitas Dipa Makassar. Penelitian ini bertujuan untuk mengklasifikasikan gejala gangguan kesehatan mental pada mahasiswa Universitas Dipa Makassar. Pengujian performansi model klasifikasi diuji dengan menggunakan aplikasi RapidMiner, di mana nilai akurasi yang dihasilkan adalah sebesar 93.44%, nilai recall dari kelas true tidak teridentifikasi yang dihasilkan sebesar 96.23%, nilai recall dari kelas true teridentifikasi sebesar 75%, nilai precision dari kelas tidak teridentifikasi sebesar 96.23%, dan nilai precision dari kelas teridentifikasi sebesar 75%.
Kata Kunci: Kesehatan Mental, Algoritma Naïve Bayes, Aplikasi RapidMiner

ABSTRACT
This study is motivated by students faced with high academic pressure, various demands in lectures, exams, and assignments, which often lead to significant stress. In addition, the social environment on campus creates additional challenges, such as adaptation with peers, group pressure, and personal problems. Currently, there is no research that specifically measures the level of mental health among Dipa University Makassar students. This study aims to classify the symptoms of mental health disorders in Dipa University Makassar students. Performance testing of the classification model was tested using the RapidMiner application, where the resulting accuracy value is 93.44%, the recall value of the unidentified true class produced is 96.23%, the recall value of the identified true class is 75%, the precision value of the unidentified class is 96.23%, and the precision value of the identified class is 75%.
Keywords: Mental Health, Naïve Bayes Algorithm, RapidMiner Application

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-49 MAU k - 0677TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xi + 60 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-49

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 23 Februari 2024

Subjek

Skripsi/Tugas Akhir
Algoritma Naive Bayes
Rapid Miner

Lampiran File