Prediksi Kesehatan Mental Dengan Algoritma Perceptron Berdasarkan Dataset Mahasiswa

Retno Widyawati; Tri Wahyu Stiyani; Rahmat Hidayat

doi:10.30587/indexia.v8i1.9276

Authors

Retno Widyawati Universitas Putra Bangsa
Tri Wahyu Stiyani Prodi Ilmu Komputer, Fakultas Sains dan Teknologi, Universitas Putra Bangsa
Rahmat Hidayat Prodi Ilmu Komputer, Fakultas Sains dan Teknologi, Universitas Putra Bangsa

DOI:

https://doi.org/10.30587/indexia.v8i1.9276

Keywords:

Algoritma Perceptron, PrPrediksi Kesehatan Mental, Dataset Mahasiswa

Abstract

Kesehatan mental adalah elemen mendasar dari kesejahteraan individu, yang memengaruhi kemampuan seseorang untuk menghadapi tekanan hidup, menjalin hubungan sosial, dan berkontribusi secara produktif dalam masyarakat. Sayangnya, kesehatan mental sering diabaikan, meskipun gangguan seperti depresi dan kecemasan menjadi penyebab utama disabilitas global. Kondisi ini semakin memprihatinkan di kalangan mahasiswa, yang menghadapi berbagai tekanan akademik, sosial, dan emosional. Minimnya kesadaran, akses layanan kesehatan mental, serta stigma sosial memperburuk keadaan, membuat deteksi dini dan penanganan gangguan mental menjadi tantangan besar.

Untuk menghadapi permasalahan ini, teknologi machine learning memberikan solusi inovatif melalui pendekatan analitis berbasis data. Dalam penelitian ini, algoritma Perceptron digunakan untuk memprediksi kondisi kesehatan mental mahasiswa dengan menganalisis dataset dari Kaggle. Algoritma ini mengeksplorasi pola hubungan antar variabel, seperti tingkat kecemasan, depresi, dan faktor terkait lainnya.

Hasil penelitian menunjukkan akurasi prediksi sebesar 67%, dengan performa yang lebih baik dalam mengidentifikasi kategori "Tidak Depresi" dibandingkan "Depresi." Meski algoritma Perceptron efektif untuk pola sederhana, terdapat keterbatasan dalam mengenali pola yang lebih kompleks. Penelitian ini menegaskan potensi teknologi dalam deteksi dini kesehatan mental, memberikan pijakan bagi pengembangan sistem prediksi yang lebih akurat dan komprehensif di masa depan.

Downloads

Download data is not yet available.

References

[1] M. Novitasari, H. Afiqah, N. D. Fitrotul, R. Nonika, P. Simatupang, and R. Al Azkary, “UPAYA MENGATASI PROBLEMATIKA MENTAL PADA ANAK BERKEBUTUHAN KHUSUS MELALUI BIMBINGAN DAN KONSELING,” vol. 20, no. 12, pp. 73–82, 2023.

[2] A. Rahmadhani, F. Fauziah, and A. Aningsih, “Sistem Pakar Deteksi Dini Kesehatan Mental Menggunakan Metode Dempster-Shafer,” Sisfotenika, vol. 10, no. 1, p. 37, 2020.

[3] F. Sariman, K. A. Rahangmetan, M. Akbar, and Y. Kakerissa, “Rancang Bangun Aplikasi Pendeteksi Wajah Terhadap Kesehatan Mental Pada Remaja,” MJRICT Musamus J. Res. Inf. Commun. Technol., vol. 4, no. 2, pp. 49–56, 2022.

[4] W. A. Radiani, “Kesehatan Mental Masa Kini Dan Penanganan Gangguannya Secara Islam,” J. Islam. Law Stud., vol. 3, no. 1, pp. 1–27, 2019.

[5] S. D. Pratiwi and R. Djuwita, “Hubungan Gaya Hidup dengan Kesehatan Mental Remaja di Indonesia (Analisis Data Global School-Based Student Health Survey Indonesia 2015),” J. Epidemiol. Kesehat. Komunitas, vol. 7, no. 1, pp. 382–393, 2022.

[6] L. Maenhout et al., “The association of healthy lifestyle behaviors with mental health indicators among adolescents of different family affluence in Belgium,” BMC Public Health, vol. 20, no. 1, pp. 1–13, 2020.

[7] D. Ayuningtyas and M. Rayhani, “Analysis of Mental Health Situation on Community in Indonesia and the Intervention Strategies,” J. Ilmu Kesehat. Masy., vol. 9, no. 1, pp. 1–10, 2018.

[8] M. Zahrah, F. N., & Muljono, “Edumatic : Jurnal Pendidikan Informatika Machine Learning untuk Deteksi Stres Pelajar : Perceptron sebagai Model Klasifikasi Efektif untuk Intervensi Dini,” vol. 8, no. 2, pp. 764–773, 2024.

[9] Y. Pangaribuan and M. Sagala, “Menerapkan Jaringan Saraf Tiruan untuk Mengenali Pola Huruf Menggunakan Metode Perceptron,” J. Tek. Inform. Unika St. Thomas, vol. 2, no. 2, pp. 53–59, 2017.

[10] D. Risiko, D. Dan, K. Mahasiswa, T. Informatika, and U. Malikussaleh, “SENASTIKA Universitas Malikussaleh,” pp. 1–7, 2024.

[11] M. I. S. Saad, “Perbandingan Algoritma Extreme Learning Machine dan Multilayer Perceptron Dalam Prediksi Mahasiswa Drop Out,” Bull. Inf. Technol., vol. 4, no. 3, pp. 369–376, 2023.

[12] E. P. W. (2018) Yanto, M., Sovia, R., & Mandala, “Aplikasi Deteksi Penyakit Dermatitis Menggunakan Metode Perceptron,” J. SANTI - Sist. Inf. dan Tek. Inf., vol. 2, no. 2, pp. 65–72, 2022.

[13] A. R. Solikhun, S., & Lubis, “Jurnal JISIILKOM ( Jurnal Inovasi Sistem Informasi & Ilmu Komputer ) Penerapan Quantum Perceptron Dalam Memprediksi Harga Bawang,” vol. 2, no. 2, 2024.

[14] M. U. Musthofa, Z. K. Umma, and A. N. Handayani, “Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia,” J. Ilm. Teknol. Inf. Asia, vol. 11, no. 1, p. 89, 2017.

[15] M. H. Yuhandri and L. Mayola, “Identifikasi Pola Seleksi Penentuan Calon Wali Nagari dengan Menggunakan Artificial Neural Network Algoritma Perceptron,” J. KomtekInfo, vol. 10, pp. 158–165, 2023.