<![CDATA[Tingkat stres mahasiswa merupakan isu kesehatan mental yang semakin kritis di lingkungan pendidikan tinggi. Penelitian ini menerapkan algoritma Gaussian Naive Bayes untuk mengklasifikasikan tingkat stres mahasiswa ke dalam tiga kategori — rendah, sedang, dan tinggi — berdasarkan 20 faktor multidimensional yang mencakup aspek psikologis, fisik, lingkungan, akademik, dan sosial. Dataset yang digunakan adalah Student Stress Factors Dataset dari Kaggle yang terdiri dari 1.100 rekaman data, dengan pembagian pelatihan dan pengujian menggunakan rasio 80:20. Metodologi penelitian mengacu pada kerangka CRISP-DM (Cross-Industry Standard Process for Data Mining), yang memungkinkan pengelolaan proses klasifikasi secara terstruktur mulai dari pemahaman bisnis hingga evaluasi model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 87,73%, dengan weighted average precision 0,89, recall 0,88, dan F1-Score 0,88. Analisis fitur menggunakan Fisher’s Discriminant Ratio (FDR) mengungkapkan bahwa tekanan darah (blood_pressure), kepercayaan diri (self_esteem), dan bullying merupakan tiga faktor paling berpengaruh terhadap tingkat stres mahasiswa. Temuan ini sejalan dengan penelitian dosen-dosen Universitas Pendidikan Ganesha yang menekankan pentingnya pendekatan berbasis data dalam mendeteksi kondisi mental dan performa mahasiswa. Penelitian ini membuktikan bahwa Naive Bayes yang sederhana secara komputasi mampu menghasilkan klasifikasi yang kompetitif pada data multidimensional dan berpotensi diimplementasikan sebagai alat deteksi dini kondisi mental mahasiswa di institusi pendidikan tinggi.]]>
Copyrights © 2026
