TY  - THES
Y1  - 2025/02/19/
A1  - Amikatuzzain, Muhammad
UR  - https://eprints.amikom.ac.id/id/eprint/32044/
KW  - Data Mining
KW  -  Kesehatan Mental
KW  -  Klasifikasi
KW  -  Naive Bayes
KW  - 
XGBoost
KW  -  SMOTE
KW  -  Mental Health
KW  -  Classification.
TI  - PENERAPAN ALGORITMA DATA MINING UNTUK
KLASIFIKASI TINGKAT KESEHATAN MENTAL PEKERJA
PB  - Universitas AMIKOM Yogyakarta
AV  - restricted
N2  - Penelitian 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.
M1  - bachelor
ID  - universitasamikomyogyakarta32044
ER  -