Mentari, Chika Ratu (2025) ANALISIS PENGGUNAAN HYPERPARAMETER TUNING UNTUK KLASIFIKASI DATA KESEHATAN MENTAL MENGGUNAKAN ALGORITMA EXTREME GRADIENT BOOST. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (962kB) |
|
Text (BAB I)
BAB I.pdf Download (245kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (785kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (579kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (659kB) |
|
Text (BAB V)
BAB V.pdf Download (40kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (238kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.11.4410.zip Restricted to Repository staff only Download (997kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (528kB) |
Abstract
Penelitian ini menganalisis penggunaan hyperparameter tuning dalam klasifikasi data kesehatan mental menggunakan algoritma Extreme Gradient Boost (XGBoost). Kesehatan mental merupakan aspek penting dalam kesejahteraan individu, namun data kesehatan mental sering kali tidak seimbang dan memiliki nilai yang hilang, yang dapat menghambat akurasi model klasifikasi. Untuk mengatasi masalah tersebut, penelitian ini menerapkan teknik resampling dengan Synthetic Minority Over-sampling Technique (SMOTE) dan imputasi data menggunakan K-Nearest Neighbors (KNN). Selanjutnya, dilakukan proses normalisasi dengan MinMaxScaler serta optimasi model menggunakan hyperparameter tuning dengan metode Grid Search. Model diuji menggunakan validasi silang K-Fold dan dievaluasi menggunakan confusion matrix, menghasilkan peningkatan akurasi yang signifikan dibandingkan dengan model tanpa tuning. Hasil penelitian menunjukkan bahwa kombinasi teknik preprocessing dan optimasi parameter dapat meningkatkan akurasi model dalam mengklasifikasikan kesehatan mental, memberikan kontribusi bagi pengembangan sistem deteksi dini yang lebih akurat.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Kesehatan Mental, Extreme Gradient Boost, Hyperparameter Tuning, Klasifikasi, dan Machine Learning | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 19 Aug 2025 01:29 | ||
| Last Modified: | 19 Aug 2025 01:29 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/30400 |
Actions (login required)
 |
View Item |