<![CDATA[Kesehatan mental mahasiswa menjadi perhatian penting di lingkungan pendidikan tinggi karena berdampak langsung terhadap prestasi akademik dan kualitas hidup mereka. Penelitian ini bertujuan untuk membangun sistem prediksi tingkat kesehatan mental mahasiswa Universitas Yudharta Pasuruan menggunakan algoritma klasifikasi Decision Tree dengan 3 kriteria yaitu gain ratio, information gain dan gini indeks serta peneliti membandingkan dengan algoritma naive bayes. Data diperoleh dari 215 responden melalui kuesioner DASS-21 yang mengukur tiga aspek utama: depresi, kecemasan, dan stres. Data tersebut diproses dan diklasifikasikan ke dalam lima kategori kondisi mental: Normal, Ringan, Sedang, Berat, dan Sangat Berat. Proses pengolahan dilakukan melalui tahapan preprocessing data, penentuan label kelas, hingga implementasi algoritma Decision Tree 3 kriteria dan algoritma Naive Bayes menggunakan RapidMiner. Evaluasi performa model dilakukan dengan confusion matrix, akurasi prediksi, serta nilai koefisien Kappa. Hasil penelitian menunjukkan bahwa mayoritas dari 215 responden berada dalam kategori Sangat Berat. Di antara ketiga kriteria tersebut, Information Gain menghasilkan performa terbaik dengan akurasi 94,41%, precision 93,7%, recall 92,8%, dan F1-score 93,2%. Sistem ini diharapkan dapat membantu deteksi dini masalah kesehatan mental mahasiswa dan mendukung layanan konseling kampus secara lebih efektif.]]>
Copyrights © 2025
