Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JAR'S (Journal of Advanced Research in Informatics)
lifah, Musdhalifah
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
PENERAPAN METODE NAÏVE BAYES UNTUK MENDIAGNOSIS TINGKAT DEPRESI MAHASISWA AKHIR DALAM PENELITIAN ILMIAH DI UNIVERSITAS WIRARAJA lifah, Musdhalifah
Journal of Advanced Research in Informatics Vol 4 No 1 (2025): Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v4i1.4451

Abstract

Kesehatan mental mahasiswa, khususnya mereka yang berada di tahap akhir studi, menjadi isu krusial akibat tekanan akademik yang tinggi, tugas akhir, serta kekhawatiran akan masa depan. Tingginya tingkat depresi yang tidak terdeteksi dapat berdampak serius terhadap kesejahteraan dan produktivitas mahasiswa. Penelitian ini mengembangkan sebuah sistem diagnosa dini depresi berbasis web yang dirancang khusus untuk mahasiswa akhir di Universitas Wiraraja, memanfaatkan algoritma Naïve Bayes. Sistem ini hadir sebagai alternatif deteksi dini yang mudah diakses dan terjangkau, mengingat keterbatasan akses dan tingginya biaya konsultasi psikologis. Data diperoleh melalui kuesioner berbasis DASS-42 (14 pertanyaan terkait depresi) yang telah divalidasi oleh ahli psikologi klinis. Algoritma Naïve Bayes dipilih karena efektivitasnya dalam klasifikasi probabilitas, kemudahan implementasi, dan potensi akurasi tinggi. Sistem dikembangkan menggunakan PHP dan MySQL sebagai basis data, serta dapat diakses melalui perangkat desktop maupun smartphone. Berdasarkan pengujian terhadap data mahasiswa, metode Naïve Bayes mampu mengklasifikasikan tingkat depresi ke dalam kategori Normal, Ringan, Sedang, dan Parah, dengan tingkat akurasi mencapai 90,42%. Aplikasi ini tidak hanya membantu mahasiswa mengenali kondisi mental mereka lebih dini, tetapi juga menjadi alat bantu esensial bagi pihak kampus dalam upaya preventif menjaga kesehatan mental mahasiswa. Penelitian ini diharapkan menjadi model penerapan teknologi untuk deteksi dini gangguan kesehatan mental serta berkontribusi pada pengembangan sistem diagnosis berbasis data di lingkungan pendidikan tinggi.
Co-Authors