@mastersthesis{universitasamikomyogyakarta31802,
           title = {ANALISIS PENGARUH PENGATURAN OPTIMASI PADA
ALGORITMA XGBOOST UNTUK MEMPREDIKSI 
KESEHATAN MENTAL SISWA SEKOLAH MENENGAH},
            year = {2026},
          author = {Nor Riduan},
           month = {January},
          school = {Universitas AMIKOM Yogyakarta},
        keywords = {rediksi kesehatan mental, XGBoost Regressor, Genetic Algorithm,
Particle Swarm Optimization, Bayesian Optimization, Mental health prediction.},
             url = {https://eprints.amikom.ac.id/id/eprint/31802/},
        abstract = {Kesehatan mental merupakan aspek penting dari kesejahteraan manusia
yang semakin mendapat perhatian, khususnya pada kalangan remaja. Penelitian ini
bertujuan untuk memprediksi kondisi kesehatan mental siswa menggunakan
pendekatan regresi berbasis machine learning dengan algoritma XGBoost. Untuk
meningkatkan performa prediksi, dilakukan optimasi  menggunakan tiga metode,
yaitu Genetic Algorithm , Particle Swarm Optimization , dan Bayesian
Optimization . Evaluasi performa model dilakukan menggunakan metrik Mean
Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute
Percentage Error (MAPE), dan koefisien determinasi (R?). Hasil eksperimen
menunjukkan bahwa model baseline menghasilkan nilai MSE sebesar 0,8893,
RMSE 0,9430, MAPE 23,31\%, dan R? sebesar 0,3841. Setelah dilakukan optimasi, 
seluruh metode menunjukkan peningkatan performa model. PSO menghasilkan 
nilai MSE dan RMSE terendah serta nilai R? tertinggi sebesar 0,5135, GA
menghasilkan nilai MAPE terendah sebesar 21,89\%, sedangkan BO menunjukkan
performa yang kompetitif dalam meminimalkan kesalahan prediksi secara relatif.
Hasil ini menunjukkan bahwa optimasi  secara signifikan meningkatkan performa
model prediksi kesehatan mental siswa, namun efektivitasnya bersifat kondisional
dan dipengaruhi oleh kesesuaian metode optimasi dengan karakteristik data
psikososial yang digunakan.}
}