<![CDATA[Tekanan selama penyusunan tugas akhir, keterbatasan waktu, serta tuntutan kelulusan menjadi pemicu utama stres akademik yang rentan dialami mahasiswa tingkat akhir. Apabila tidak ditangani dengan baik, kondisi ini dapat memengaruhi kesehatan mental dan performa akademik. Guna memberikan solusi deteksi dini, penelitian ini mengembangkan sistem klasifikasi tingkat stres berbasis web menggunakan algoritma SVM. Data penelitian diperoleh dari 65 mahasiswa tingkat akhir STMIK Palangkaraya melalui kuesioner dengan instrumen PSS-10. Data yang terkumpul kemudian melalui tahapan prapemrosesan, pelabelan, dan normalisasi sebelum digunakan dalam proses pemodelan SVM dengan beberapa variasi kernel, yakni linear, polynomial, RBF, dan sigmoid. Penyetelan hyperparameter dilakukan menggunakan GridSearchCV dengan pendekatan cross-validation. Hasil pengujian menunjukkan bahwa SVM dengan kernel polynomial menghasilkan kinerja paling optimal, ditunjukkan oleh nilai macro F1-score sebesar 0,914 serta tingkat akurasi 92,31% pada data uji. Temuan ini mengindikasikan bahwa model mampu mengidentifikasi tingkat stres mahasiswa secara tepat dan konsisten. Penerapan sistem dalam bentuk aplikasi web memungkinkan proses pengukuran stres dilakukan secara praktis dan efisien, serta berpotensi menjadi sarana awal dalam mendukung evaluasi stres akademik mahasiswa.]]>
Copyrights © 2026
