EPrints Universitas Amikom YogyakartaPENERAPAN ALGORITMA DATA MINING UNTUK KLASIFIKASI TINGKAT KESEHATAN MENTAL PEKERJAMuhammadAmikatuzzainauthorPenelitian ini bertujuan untuk menerapkan teknik data mining dalam mengklasifikasikan tingkat kesehatan mental pekerja guna memberikan instrumen deteksi dini yang objektif. Permasalahan utama yang diangkat adalah tingginya risiko gangguan psikososial di lingkungan perusahaan yang sering kali terlambat ditangani akibat keterbatasan diagnosa awal. Metodologi yang digunakan dalam penelitian ini mengikuti kerangka kerja Knowledge Discovery in Databases (KDD) yang mencakup tahap pra-pemrosesan data, seleksi fitur, hingga implementasi enam algoritma klasifikasi, yaitu Naive Bayes, XGBoost, Random Forest, SVM, Logistic Regression, dan AdaBoost. Untuk mengatasi ketidakseimbangan kelas pada dataset survei yang berjumlah 1.259 responden, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa penggunaan delapan fitur kunci, seperti riwayat keluarga dan interferensi kerja, sangat efektif dalam memprediksi kebutuhan penanganan kesehatan mental. Berdasarkan pengujian metrik evaluasi, algoritma Naive Bayes dan XGBoost menunjukkan performa paling unggul dengan tingkat akurasi mencapai 0,8413. Secara khusus, XGBoost mencatatkan nilai recall sebesar 0,9055, yang mengindikasikan sensitivitas tinggi dalam mendeteksi individu yang benar-benar membutuhkan bantuan profesional. Perbandingan dengan penelitian terdahulu mengonfirmasi bahwa integrasi teknik SMOTE dan algoritma ensemble dalam penelitian ini mampu melampaui capaian akurasi model-model sebelumnya. Kesimpulannya, model klasifikasi yang dihasilkan memiliki reliabilitas yang kuat untuk diintegrasikan ke dalam sistem pendukung keputusan bagi perusahaan dalam melakukan intervensi dini terhadap kesehatan mental pekerja.000 Ilmu komputer, informasi dan pekerjaan umum005 Pemrograman komputer, program dan data2025-02-19Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

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.