relation: https://eprints.amikom.ac.id/id/eprint/31773/
title: OPTIMASI ALGORITMA RANDOM FOREST UNTUK DIAGNOSIS  GANGGUAN KESEHATAN MENTAL
creator: -, Riswanto
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
subject: 003 Sistem-sistem
description: Penelitian ini berjudul “Optimasi Algoritma Random Forest untuk  Diagnosis Gangguan Kesehatan Mental”. Tujuan penelitian ini adalah  mengklasifikasikan kondisi kesehatan mental individu di lingkungan kerja  menggunakan algoritma Random Forest. Dataset yang digunakan berasal dari  Open Sourcing Mental Illness (OSMI), sebuah organisasi non-profit yang  berfokus pada isu kesehatan mental di tempat kerja. Dataset OSMI dipilih karena  bersifat heterogen, terdiri dari variabel numerik dan kategorikal, sehingga sesuai  dengan karakteristik algoritma Random Forest.  Untuk meningkatkan performa model, dilakukan optimasi hyperparameter  menggunakan metode Grid Search dan Random Search. Selain itu, algoritma  Random Forest juga dikombinasikan dengan teknik boosting, yaitu AdaBoost  dan XGBoost. Beberapa skenario pengujian dilakukan guna memperoleh model  dengan performa klasifikasi yang optimal.  Hasil penelitian menunjukkan bahwa hampir seluruh model memiliki  performa yang baik dengan nilai akurasi di atas 80%, baik pada Random Forest  yang dioptimasi hyperparameter maupun model yang dikombinasikan dengan  teknik boosting. Model yang diusulkan juga mengalami peningkatan pada metrik  evaluasi seperti akurasi, precision, recall, F1-score, ROC, dan AUC. Di antara  seluruh model yang diuji, kombinasi Random Forest dengan AdaBoost  memberikan hasil paling optimal dengan nilai akurasi sebesar 84,06% dan nilai  AUC sebesar 88%, yang menunjukkan kemampuan model yang baik dalam  membedakan kelas positif dan negatif.  Kesimpulan dari penelitian ini adalah bahwa integrasi Random Forest  dengan AdaBoost serta optimasi hyperparameter mampu meningkatkan performa  prediksi gangguan kesehatan mental di lingkungan kerja. Temuan ini diharapkan  dapat membantu dalam memprediksi kondisi kesehatan mental seseorang secara  lebih akurat, sehingga intervensi dan penanganan yang diberikan dapat menjadi  lebih efektif dan tepat sasaran.
date: 2026-02-03
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31773/1/22.51.2277%20Riswanto.pdf
identifier:   -, Riswanto  (2026) OPTIMASI ALGORITMA RANDOM FOREST UNTUK DIAGNOSIS GANGGUAN KESEHATAN MENTAL.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.