PERBANDINGAN KINERJA ALGORITMA MACHINE LEARNING UNTUK PREDIKSI KESEHATAN MENTAL DI SEKTOR TEKNOLOGIMuhammad YusufAmirullohauthorSektor teknologi menghadapi kesenjangan operasional yang signifikan dalam pengelolaan kesejahteraan kesehatan mental tenaga kerja secara proaktif, yang disebabkan oleh stigma yang masih melekat terhadap upaya mencari perawatan. Penelitian ini bertujuan untuk memprediksi kecenderungan profesional teknologi dalam mencari dukungan kesehatan mental secara sukarela dengan memanfaatkan teknik machine learning. Dengan menganalisis lebih dari 1.200 respons dari OSMI Mental Health in Tech Survey, penelitian ini memodelkan pengaruh faktor demografis, manfaat di tempat kerja, serta aspek anonimitas terhadap perilaku pencarian perawatan. Tahapan prapemrosesan data dilakukan secara komprehensif, termasuk penerapan metode SMOTE untuk mengatasi ketidakseimbangan kelas serta evaluasi terhadap dua belas algoritma klasifikasi. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan kinerja terbaik dengan tingkat akurasi sebesar 83,07% dan nilai F1-score sebesar 0,83, yang efektif dalam menangkap interaksi nonlinier pada data. Selain itu, model Random Forest secara signifikan mengungguli model dasar Decision Tree tunggal dengan peningkatan kinerja sekitar 7,6%, sehingga menegaskan pentingnya penggunaan metode ensemble dalam mengurangi varians model. Temuan ini menyoroti potensi analitik prediktif dalam membantu organisasi merancang intervensi kesehatan mental yang lebih terarah dan tetap menjaga privasi individu.004 Pemrosesan data dan ilmu komputer2026-02-19Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis