<![CDATA[Stres yang tidak terkelola berisiko berkembang menjadi gangguan serius seperti depresi hingga risiko bunuh diri. Machine learning dapat dioptimalkan sebagai solusi deteksi dini berdasarkan kombinasi faktor gaya hidup. Penelitian ini bertujuan untuk mengembangkan model prediksi tingkat stres melalui pendekatan algoritma Random Forest dengan dataset yang diperoleh platform Kaggle. Tahapan penelitian meliputi data preprocessing, penanganan ketidakseimbangan kelas menggunakan SMOTE, hingga evaluasi dan integrasi model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 0.80, dengan nilai precision, recall, dan F1-Score secara keseluruhan berada pada angka 0,80. Performa terbaik diperoleh pada klasifikasi tingkat stres kategori High dengan F1-Score sebesar 0.86. Model yang telah tervalidasi kemudian diintegrasikan ke dalam antarmuka melalui Streamlit, sehingga mampu memberikan hasil prediksi secara real-time berdasarkan input data pengguna. Penelitian ini membuktikan bahwa algoritma Random Forest efektif dalam mengidentifikasi tingkat stres, dan implementasinya dalam bentuk aplikasi web berpotensi menjadi alat bantu deteksi dini yang fungsional dan sederhana.]]>
Copyrights © 2026
