<![CDATA[Tujuan dari penelitian ini adalah untuk mengklasifikasikan Tingkat stress berdasarkan berbagai indicator psikologis, fisik, dan lingkungan menggunakan agoritma Naïve Bayes pada Rapidminer. Prevelensi gangguan Kesehatan mental dan kebutuhan metode deteksi dini yang akurat, cepat, dan tidak bergantung pada pengakuan subyektif individu. Dataset yang digunakan merupakan data Tingkat stress yang telah melalui tahapan-tahapan seperti data tranformasi, data selection, dan juga data cleaning. Proses pemodelan dilakukan dengan mengimplementasikan algoritma naïve bayes, sementara evaluasi model dilakuakn dengan memanfaatkan metrik penelinaian seperti Accuracy, precision, recall, dan melakukan anaisis dengan confusion matrix. Hasil penelitian menunjukan bahwa model menghasilkan akurasi sebesar 71,56% dengan recall yang sangat tinggi pada kelas mayoritas. Ini menujukan bahwa algoritma Naïve Bayes mampu meberikan performa klasifikasi yang cukup baik dalam memprediksi Tingkat stress hingga dapat digunakan sebagai pendekatan awal dalam sistem deteksi stress berbasis data. Kata Kunci: klasifikasi level stress, Naïve Bayes, Data mining, Rapidminer The purpose of this study is to classify stress levels based on various psychological, physical, and environmental indicators using the Naïve Bayes algorithm in Rapidminer. The prevalence of mental health disorders and the need for early detection methods that are accurate, fast, and independent of individual subjective recognition. The dataset used is stress level data that has gone through stages such as data transformation, data selection, and data cleaning. The modeling process is carried out by implementing the Naïve Bayes algorithm, while model evaluation is carried out by utilizing assessment metrics such as Accuracy, precision, recall, and analyzing with a confusion matrix. The results show that the model produces an accuracy of 71.56% with a very high recall in the majority class. This indicates that the Naïve Bayes algorithm is able to provide quite good classification performance in predicting stress levels so that it can be used as an initial approach in a data-based stress detection system. Keywords: stress level classification, Naïve Bayes, Data mining, Rapidminer]]>
