<![CDATA[Tahapan penelitian dilakukan menggunakan pendekatan kuantitatif berbasis data mining, dimulai dari proses pembersihan dan transformasi data, dilanjutkan dengan pemisahan dataset menjadi data pelatihan dan pengujian menggunakan rasio 80:20. Selanjutnya, model klasifikasi dibangun menggunakan Gaussian Naive Bayes dan diuji melalui beberapa parameter evaluasi seperti accuracy, precision, recall, dan f1-score untuk mengetahui tingkat performa model dalam mengenali pola depresi mahasiswa. Hasil pengujian memperlihatkan bahwa model mampu menghasilkan akurasi sebesar 80% dengan tingkat sensitivitas yang tinggi pada kelas depresi. Kondisi tersebut menunjukkan bahwa model cukup baik dalam mengenali mahasiswa yang terindikasi mengalami depresi. Dari hasil analisis variabel diketahui bahwa suicidal thoughts menjadi faktor yang memiliki hubungan paling dominan terhadap depresi, kemudian diikuti oleh academic pressure serta financial stress. Sebaliknya, sleep duration dan study satisfaction menunjukkan kecenderungan hubungan negatif terhadap tingkat depresi mahasiswa. Berdasarkan keseluruhan hasil penelitian, algoritma Naive Bayes dinilai cukup efektif untuk membantu proses klasifikasi depresi mahasiswa sekaligus memberikan gambaran mengenai faktor-faktor yang mempengaruhinya. Temuan ini diharapkan dapat mendukung upaya deteksi dini serta menjadi bahan pertimbangan institusi pendidikan dalam mengurangi risiko depresi di lingkungan mahasiswa.]]>
Copyrights © 2026
