Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Faziz Ammarrafi Aryamada
Informatika, STMIK Amikom Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI MENTAL HEALTH ISSUE PADA MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Faziz Ammarrafi Aryamada; Tommy Dwi Putra
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

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%
Co-Authors Tommy Dwi Putra