{
      "contributors": [
        {
          "name": {
            "family": "Muhammad",
            "honourific": null,
            "given": "Alva Hendi",
            "lineage": null
          }
        }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "documents": [
          {
            "content": "published",
            "formatdesc": "THESIS",
            "eprintid": 31802,
            "pos": 1,
            "mime_type": "application\/pdf",
            "rev_number": 2,
            "main": "23.55.1382 - Nor Riduan.pdf",
            "format": "text",
            "placement": 1,
            "docid": 319585,
            "security": "public",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319585",
            "language": "id",
            "files": [
                {
                  "hash_type": "MD5",
                  "filename": "23.55.1382 - Nor Riduan.pdf",
                  "mtime": "2026-06-30 03:02:29",
                  "mime_type": "application\/pdf",
                  "datasetid": "document",
                  "hash": "7a30dddc46b3f5a7460089ab51543cfc",
                  "objectid": 319585,
                  "filesize": 4295138,
                  "fileid": 1131576,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131576"
                }
            ]
          }
      ],
      "divisions": [
        "PJJ"
      ],
      "full_text_status": "public",
      "dir": "disk0\/00\/03\/18\/02",
      "status_changed": "2026-06-30 03:05:48",
      "institution": "Universitas AMIKOM Yogyakarta",
      "eprintid": 31802,
      "thesis_name": "tesis",
      "datestamp": "2026-06-30 03:05:48",
      "subjects": [
        "000.000.000A",
        "000.000.003"
      ],
      "date_type": "published",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31802",
      "creators": [
        {
          "name": {
            "family": "Riduan",
            "honourific": null,
            "given": "Nor",
            "lineage": null
          },
          "nim": "23.55.1382"
        }
      ],
      "date": "2026-01-07",
      "keywords": "rediksi kesehatan mental, XGBoost Regressor, Genetic Algorithm,\r\nParticle Swarm Optimization, Bayesian Optimization, Mental health prediction.",
      "metadata_visibility": "show",
      "department": "Pascasarjana Magister Informatika",
      "thesis_type": "masters",
      "rev_number": 8,
      "title": "ANALISIS PENGARUH PENGATURAN OPTIMASI PADA\r\nALGORITMA XGBOOST UNTUK MEMPREDIKSI \r\nKESEHATAN MENTAL SISWA SEKOLAH MENENGAH",
      "ispublished": "pub",
      "abstract": "Kesehatan mental merupakan aspek penting dari kesejahteraan manusia\r\nyang semakin mendapat perhatian, khususnya pada kalangan remaja. Penelitian ini\r\nbertujuan untuk memprediksi kondisi kesehatan mental siswa menggunakan\r\npendekatan regresi berbasis machine learning dengan algoritma XGBoost. Untuk\r\nmeningkatkan performa prediksi, dilakukan optimasi  menggunakan tiga metode,\r\nyaitu Genetic Algorithm , Particle Swarm Optimization , dan Bayesian\r\nOptimization . Evaluasi performa model dilakukan menggunakan metrik Mean\r\nSquared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute\r\nPercentage Error (MAPE), dan koefisien determinasi (R²). Hasil eksperimen\r\nmenunjukkan bahwa model baseline menghasilkan nilai MSE sebesar 0,8893,\r\nRMSE 0,9430, MAPE 23,31%, dan R² sebesar 0,3841. Setelah dilakukan optimasi, \r\nseluruh metode menunjukkan peningkatan performa model. PSO menghasilkan \r\nnilai MSE dan RMSE terendah serta nilai R² tertinggi sebesar 0,5135, GA\r\nmenghasilkan nilai MAPE terendah sebesar 21,89%, sedangkan BO menunjukkan\r\nperforma yang kompetitif dalam meminimalkan kesalahan prediksi secara relatif.\r\nHasil ini menunjukkan bahwa optimasi  secara signifikan meningkatkan performa\r\nmodel prediksi kesehatan mental siswa, namun efektivitasnya bersifat kondisional\r\ndan dipengaruhi oleh kesesuaian metode optimasi dengan karakteristik data\r\npsikososial yang digunakan.",
      "eprint_status": "archive",
      "lastmod": "2026-06-30 03:05:48",
      "type": "thesis",
      "userid": 12
    }