Klasifikasi Tingkat Stres pada Mahasiswa Tingkat Akhir menggunakan Metode Naïve Bayes di Universitas Pelita Bangsa
DOI:
https://doi.org/10.24114/cess.v10i2.66565Keywords:
Klasifikasi, Tingkat Stres, Mahasiswa Akhir, Naive Bayes, SEMMAAbstract
Stres sering dialami oleh mahasiswa, khususnya mahasiswa tingkat akhir yang sedang menyelesaikan skripsi. Penelitian ini dilakukan untuk mengklasifikasikan tingkat stres yang sedang dihadapi oleh mahasiswa tingkat akhir Prodi Teknik Informatika angkatan 2021 di Universitas Pelita Bangsa dengan menggunakan metode Naïve Bayes. Berdasarkan hasil kuesioner, terdapat 300 responden berpartisipasi. Dengan menggunakan pendekatan SEMMA (Sample, Explore, Modify, Model, Assess), data dari 300 responden dilakukan proses handling sehingga tersisa 285 data yang valid, kemudian data dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Tingkat stres dikategorikan menjadi 3 yaitu rendah, sedang, dan tinggi. Performa model menunjukkan bahwa model memiliki akurasi sebesar 93%, dengan nilai precision, recall, dan F1-score keseluruhan masing-masing sebesar 93%. Hasil klasifikasi diperoleh bahwa tingkat stres sedang merupakan kategori terbanyak yaitu sebesar 42,1%, diikuti oleh stres tinggi 29,1%, dan stres rendah 28,8%. Temuan pada penelitian ini dapat digunakan sebagai dasar pengambilan keputusan untuk penyediaan layanan dukungan psikologis dan akademik bagi mahasiswa tingkat akhir.References
[1] L. N. Hidayati dan M. Harsono, “Tinjauan Literatur Mengenai Stres Dalam Organisasi,” J. ILMU Manaj., vol. 18, no. 1, Art. no. 1, 2021, doi: 10.21831/jim.v18i1.39339.
[2] W. Kurniawati, “Manajemen Stress Era New Normal Dalam Dunia Pendidikan,” J. MUBTADIIN, vol. 8, no. 01, Art. no. 01, Mei 2022. Tersedia pada: https://journal.an-nur.ac.id/index.php/mubtadiin/article/view/175
[3] V. N. Wahyuni dan N. Handayani, “Hubungan kepercayaan diri dengan stres mahasiswa tingkat akhir keperawatan anestesiologi Universitas ‘Aisyiyah Yogyakarta,” Pros. Semin. Nas. Penelit. Dan Pengabdi. Kpd. Masy. LPPM Univ. Aisyiyah Yogyak., vol. 2, hlm. 1418–1423, Okt 2024.
[4] N. A. Sivi, F. Dwiatmoko, D. Utami, dan A. Hafiz, “Penerapan Metode Naive Bayes Untuk Memprediksi Tingkat Kesehatan Mental Mahasiswa UNU Lampung Menjelang Skripsi,” J. Inf. Dan Komput., vol. 13, no. 01, hlm. 174–186, Apr 2025, doi: 10.35959/jik.v13i01.687.
[5] W. S. Wisnugraha, I. N. Farida, dan M. A. D. Widyadara, “Implementasi Algoritma Naïve Bayes Dalam Menentukan Diagnosa Tingkat Depresi Mahasiswa Akhir Terhadap Pengerjaan Skripsi,” dalam Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2023, hlm. 919–928. Tersedia pada: https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/3517
[6] H. F. Putro, R. T. Vulandari, dan W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. Dan Komun. TIKomSiN, vol. 8, no. 2, 2020. Tersedia pada: https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN/article/view/500
[7] P. B. N. Setio, D. R. S. Saputro, dan B. Winarno, “Klasifikasi Dengan Pohon Keputusan Berbasis Algoritme C4. 5,” dalam PRISMA, Prosiding Seminar Nasional Matematika, 2020, hlm. 64–71. Tersedia pada: https://journal.unnes.ac.id/sju/prisma/article/download/37650/15478
[8] N. B. Putri dan A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing,” Komputika J. Sist. Komput., vol. 11, no. 1, hlm. 59–66, 2022.
[9] R. R. Adhitya, W. Witanti, dan R. Yuniarti, “Perbandingan Metode Cart Dan Naïve Bayes Untuk Klasifikasi Customer Churn,” INFOTECH J., vol. 9, no. 2, hlm. 307–318, 2023.
[10] R. D. A, F. P. Idris, F. A. Gobel, A. Asrina, dan H. Rahman, “The Faktor Yang Berhubungan Dengan Tingkat Stres Mahasiswa Dalam Menyusun Skripsi,” Window Public Health J., hlm. 567–577, Agu 2023, doi: 10.33096/woph.v4i4.1115.
[11] M. R. Rahadiansyah dan A. Chusairi, “Pengaruh Dukungan Sosial Teman Sebaya terhadap Tingkat Stres Mahasiswa yang Mengerjakan Skripsi,” Bul. Ris. Psikol. Dan Kesehat. Ment. BRPKM, vol. 1, no. 2, hlm. 1290–1297, Agu 2021, doi: 10.20473/brpkm.v1i2.29077.
[12] R. F. Mahendra, G. A. Buntoro, dan A. Y. Astuti, “Implementasi Algoritma Naive Bayes Pada Sistem Pakar Diagnosa Tingkat Stres Mahasiswa Akhir,” J. Responsif Ris. Sains Dan Inform., vol. 6, no. 2, hlm. 293–301, Agu 2024, doi: 10.51977/jti.v6i2.1810.
[13] A. Mukti, A. D. Hadiyanti, A. Nurlaela, dan J. Panjaitan, “Sistem Analisa Sentiment Bakal Calon Presiden 2024 Menggunakan Metode NLP Berbasis Web,” SOSCIED, vol. 6, no. 1, hlm. 128–140, 2023.
[14] Y. A. Suwitono dan F. J. Kaunang, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras,” J. Komtika Komputasi Dan Inform., vol. 6, no. 2, hlm. 109–121, 2022.
[15] D. Normawati dan S. A. Prayogi, “Implementasi Naïve Bayes classifier dan confusion matrix pada analisis sentimen berbasis teks pada Twitter,” J-SAKTI J. Sains Komput. Dan Inform., vol. 5, no. 2, hlm. 697–711, 2021.
[16] A. R. Fadilla dan P. A. Wulandari, “Literature review analisis data kualitatif: tahap pengumpulan data,” Mitita J. Penelit., vol. 1, no. 3, hlm. 34–46, 2023.
[17] A. A. Santika, T. H. Saragih, dan M. Muliadi, “Penerapan Skala Likert pada Klasifikasi Tingkat Kepuasan Pelanggan Agen Brilink Menggunakan Random Forest,” J. Sist. Dan Teknol. Inf. JustIN, vol. 11, no. 3, hlm. 405, Jul 2023, doi: 10.26418/justin.v11i3.62086.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 CESS (Journal of Computer Engineering, System and Science)
This work is licensed under a Creative Commons Attribution 4.0 International License.
