KLASIFIKASI MENTAL HEALTH ISSUE PADA MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
Keywords:
Kesehatan Mental, K-Nearest Neighbor, Klasifikasi, Mahasiswa, RapidMiner, Penggalian DataAbstract
Masalah kesehatan mental yang semakin meningkat di kalangan mahasiswa menjadi semakin mengkhawatirkan. Jika tidak ditangani, masalah ini dapat berdampak buruk pada kinerja akademis, hubungan sosial, dan kualitas hidup secara umum. Penelitian ini mengklasifikasikan masalah kesehatan mental mahasiswa menggunakan algoritma K-Nearest Neighbor (KNN). Dataset yang digunakan berasal dari Kaggle, yang terdiri dari berbagai atribut seperti tingkat stres, kecemasan, depresi, dan faktor-faktor lain yang dapat mempengaruhi kesehatan mental. Dalam penelitian ini, data yang digunakan diproses dan dianalisis menggunakan perangkat lunak RapidMiner, yang memudahkan penerapan algoritma KNN. Hasil penelitian ini membuktikan bahwa algoritma KNN dapat menjadi cara yang efisien untuk mengklasifikasikan masalah kesehatan mental dengan tingkat akurasi yang tinggi dalam memprediksi hasil berdasarkan atribut yang diberikan. Temuan ini menyarankan bahwa deteksi dan klasifikasi dini masalah kesehatan mental dapat memungkinkan intervensi tepat waktu untuk meningkatkan kesejahteraan mental dan kualitas hidup mahasiswa. Hasil klasifikasi menggunakan KNN akurasi terbaik adalah 100%
References
[1] Farhan Pratama, nst, Z. H., Zuriatul Khairi, Rahmaddeni, & Efrizoni, L. (2024). PERBANDINGAN ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI KESEHATAN MENTAL MAHASISWA. JURNAL ILMIAH BETRIK, 15(01 APRIL), 31
[2] Vera Artanti (2024). Classification of Cardiovascular Diseases Using the K-Nearest Neighbors (KNN) Algorithm Vol. 13 No. 2, June 2024, 12-27.
[3] Septi Kenia Pita Loka, Arif Marsal (2023). Perbandingan Algoritma K-Nearest Neighbor dan Na ve Bayes Classifier Untuk Klasifikasi Status Gizi Pada Balita. Journal Homepage: https://journal.irpi.or.id/index.php/malcom Vol. 3 Iss. 1April.
[4] Andi Maulida Argina (2020). Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes. ndonesian Journal of Data and ScienceISSN: 2715-9930Vol 1, No 2, Juli.
[5] Naja Maskuri, M., Harliana, H., Sukerti, K., & Herdian Bhakti, R. M. (2022). Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Prediksi Penyakit Stroke. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 4(01), 130 140. https://doi.org/10.46772/intech.v4i01.751
[6] Fatoni (2017). Case Based Reasoning Diagnosis Penyakit Difteri dengan Algoritma K-Nearest Neighbor. Vol 4, No 3 Juli.
[7] Dede Andri Muhammad Reza, Amril Mutoi Siregar, Rahmat Rahmat (2020). Penerapan Algoritma K-Nearest Neighbord untuk Prediksi Kematian Akibat Penyakit Gagal Jantung. Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science.
[8] Cahyanti, D., Rahmayani, A., & Husniar, S. A. (2020). Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara. Indonesian Journal of Data and Science, 1(2), 39-43. https://doi.org/10.33096/ijodas.v1i2.13.
[9] Intan Permata (2024). ANALISIS DATA MEDIS MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS. Duniadata.org Volume 1 (5).
[10] Ahmad, I., Sulistiani, H., & Saputra, H. (2018). The Application Of Fuzzy K-Nearest Neighbour Methods For A Student Graduation Rate. Indonesian Journal of Artificial Intelligence and Data Mining, 1(1), 47
[11] Blanco C et al. Mental health of college students and their non-college-attending peers: Results from the National Epidemiologic Study on Alcohol and Related Conditions. Arch Gen Psychiatry. 2008;65(12):1429
[12] Tsania Khairani Aritonang (2020) PENGENALAN ALGORITMA PADA PEMBELAJARAN PEMROGRAMAN KOMPUTER. https://doi.org/10.31219/osf.io/agnzm
