<![CDATA[Tekanan psikologis akademik pada mahasiswa merupakan permasalahan yang perlu diperhatikan karena memengaruhi proses belajar dan prestasi akademik. Penelitian ini bertujuan membandingkan kinerja algoritma Naive Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan tingkat tekanan psikologis akademik mahasiswa berdasarkan data kuesioner. Penelitian menggunakan pendekatan kuantitatif dengan metode eksperimen komparatif. Data diperoleh melalui kuesioner kepada 275 mahasiswa semester 6 dan 8. Instrumen terdiri atas 12 item pertanyaan dengan skala Likert 1–5. Tahapan meliputi pengumpulan dan preprocessing data, pembagian dataset menjadi data training dan testing dengan proporsi 80:20, pembangunan model Naive Bayes dan SVM, serta evaluasi menggunakan Confusion Matrix melalui Accuracy, Precision, Recall, dan F1-score. Hasil menunjukkan bahwa SVM memiliki performa lebih baik daripada Naive Bayes, dengan nilai evaluasi klasifikasi lebih tinggi. Metrik tersebut menunjukkan SVM menghasilkan klasifikasi lebih akurat. Penelitian membuktikan bahwa machine learning dapat dimanfaatkan sebagai sistem pendukung klasifikasi tingkat tekanan psikologis akademik mahasiswa dan berpotensi dikembangkan menjadi sistem berbasis web.]]>
Copyrights © 2026
