<![CDATA[Salah satu gangguan kesejahteraan mental yang sering terjadi pada manusia adalah depresi. Mengenali depresi secara dini penting bagi individu. Namun, pada kenyataannya, melakukan skrining depresi secara dini masih memiliki beberapa kelemahan. Jika terus diabaikan, hal ini dapat berdampak pada kesejahteraan individu. Oleh karena itu, diperlukan metode lain yang dapat menggambarkan tingkat depresi pada individu. Penelitian ini bertujuan untuk menentukan gambaran persepsi pekerja tentang komponen psikososial dari lingkungan dan isi kerja serta menentukan gejala stres kerja yang mereka keluhkan. Variabel dependen adalah gejala stres kerja (fisik, mental, kognitif, dan perilaku), sedangkan variabel independen adalah karakteristik individu (usia, jenis kelamin, jenis pekerjaan, dan lama bekerja). Metode klasifikasi menggunakan berbagai model klasifikasi, yaitu K-Nearest Neighbor (KNN), Decision Tree, Random Forest Tree, Naïve Bayes, Support Vector Machine (SVM), dan model penghitungan AdaBoost. Hasil penelitian berdasarkan pengujian berbagai model penghitungan dapat disimpulkan bahwa model penghitungan terbaik untuk mengukur gaji pekerja adalah menggunakan K-Nearest Neighbor (KNN). Analisis variabel berdasarkan faktor Pekerjaan dan Jenis Kelamin memprediksi tingkat depresi dan kesejahteraan mental yang dirasakan oleh anggota berusia 25-30 tahun. Kata Kunci: Depresi dan Kesehatan Mental, Pembelajaran Mesin, Perbandingan Metode Algoritma.]]>
Copyrights © 2024
