<![CDATA[Stres merupakan permasalahan kesehatan mental yang dapat menurunkan produktivitas serta kualitas hidup individu, sehingga diperlukan upaya identifikasi dini yang akurat dan efisien. Penelitian ini bertujuan mengimplementasikan teknik data mining untuk prediksi dan klasifikasi tingkat stres menggunakan algoritma Random Forest. Data penelitian diperoleh dari hasil survei Perceived Stress Scale (PSS-10) yang dipadukan dengan indikator gaya hidup, seperti pola tidur dan aktivitas fisik, yang dikumpulkan dari 512 responden melalui Google Form. Sistem klasifikasi dikembangkan berbasis Streamlit untuk mendukung proses preprocessing data, pelatihan model, pengujian internal dan eksternal, serta visualisasi hasil prediksi. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa algoritma Random Forest mencapai akurasi sebesar 99,03% pada pengujian internal dan 99,80% pada pengujian eksternal, dengan nilai precision, recall, dan f1-score yang mendekati 1,00 pada seluruh kategori tingkat stres. Hasil ini menunjukkan bahwa model memiliki kinerja yang sangat baik dan konsisten, sehingga berpotensi diterapkan sebagai alat bantu skrining awal tingkat stres di lingkungan pendidikan, perusahaan, dan layanan kesehatan.]]>
Copyrights © 2026
