eprintid: 32880
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/28/80
datestamp: 2026-09-21 03:03:42
lastmod: 2026-09-21 03:03:42
status_changed: 2026-09-21 03:03:42
type: thesis
metadata_visibility: show
creators_name: Amirulloh, Muhammad Yusuf
creators_nim: 21.12.2086
contributors_name: Aminuddin, Afrig
corp_creators: Universitas AMIKOM Yogyakarta
title: PERBANDINGAN KINERJA ALGORITMA MACHINE LEARNING UNTUK
PREDIKSI KESEHATAN MENTAL DI SEKTOR TEKNOLOGI
ispublished: pub
subjects: 000.000.004
divisions: sch_phy
full_text_status: restricted
keywords: Prediksi kesehatan mental, Machine learning, Analitik sumber daya
manusia, Random forest, Ketidakseimbangan kelas, SMOTE, Mental health prediction, HR analytics, Class imbalance.
abstract: Sektor 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.
date: 2026-02-19
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Amirulloh, Muhammad Yusuf  (2026) PERBANDINGAN KINERJA ALGORITMA MACHINE LEARNING UNTUK PREDIKSI KESEHATAN MENTAL DI SEKTOR TEKNOLOGI.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32880/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32880/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32880/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32880/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32880/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32880/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32880/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/32880/8/Sourcecode%20-%2021.12.2086.zip
document_url: https://eprints.amikom.ac.id/id/eprint/32880/9/Publikasi.pdf