EPrints Universitas Amikom YogyakartaANALISIS PENGARUH PENGATURAN OPTIMASI PADA ALGORITMA XGBOOST UNTUK MEMPREDIKSI KESEHATAN MENTAL SISWA SEKOLAH MENENGAHNorRiduanauthorKesehatan 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 (R²). Hasil eksperimen menunjukkan bahwa model baseline menghasilkan nilai MSE sebesar 0,8893, RMSE 0,9430, MAPE 23,31%, dan R² sebesar 0,3841. Setelah dilakukan optimasi, seluruh metode menunjukkan peningkatan performa model. PSO menghasilkan nilai MSE dan RMSE terendah serta nilai R² 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.000 Ilmu komputer, informasi dan pekerjaan umum003 Sistem-sistem2026-01-07Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.