ATIKA YOHANA ZULPA, NIM. 162022033 (2026) KLASIFIKASI INDIKASI STRES MAHASISWA BERDASARKAN AKTIVITAS DIGITAL MENGGUNAKAN ALGRITMA RANDOM FOREST. Skripsi thesis, Universitas Muhammadiyah Palembang.

Preview	Text 162022033_BAB I_DAFTAR PUSTAKA.pdf - Published Version Download (1MB) | Preview
	Text 162022033_BAB II.pdf Restricted to Repository staff only Download (334kB)
	Text 162022033_BAB III.pdf Restricted to Repository staff only Download (381kB)
	Text 162022033_BAB IV.pdf Restricted to Repository staff only Download (434kB)
	Text 162022033_BAB V.pdf Restricted to Repository staff only Download (188kB)
	Text 162022033_DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (202kB)
	Text 162022033_LAMPIRAN.pdf Restricted to Repository staff only Download (4MB)
	Text 162022033_Cover_sampai_Lampiran.pdf Restricted to Repository staff only Download (5MB)

Abstract

Stres akademik pada mahasiswa merupakan permasalahan yang semakin meningkat di era digital. Mahasiswa tidak hanya menghadapi tuntutan akademik seperti tugas, ujian, dan penyusunan skripsi, tetapi juga dipengaruhi oleh tingginya penggunaan smartphone dan media sosial. Media sosial yang awalnya digunakan sebagai sarana komunikasi dan hiburan kini sering menjadi pelarian dari rasa jenuh, cemas, dan stres. Ketergantungan terhadap smartphone dapat berdampak pada kesehatan mental dan fisik, seperti gangguan tidur, kelelahan, dan penurunan konsentrasi belajar. Oleh karena itu, diperlukan metode untuk mengukur dan mengklasifikasikan tingkat stres mahasiswa secara efektif. Penelitian ini bertujuan untuk menganalisis hasil pengukuran indikasi stres mahasiswa serta mengevaluasi kinerja algoritma Random Forest dalam mengklasifikasikan tingkat stres. Metode yang digunakan adalah klasifikasi dengan algoritma Random Forest menggunakan data publik dan data privasi yang telah melalui proses preprocessing dan penggabungan data. Pelabelan dilakukan menjadi dua kategori, yaitu stres (1) dan tidak stres (0). Hasil penelitian menunjukkan bahwa model memiliki tingkat akurasi sebesar 84%. Dengan demikian, algoritma Random Forest cukup efektif dalam mendeteksi tingkat stres mahasiswa, meskipun masih memiliki keterbatasan dalam mengidentifikasi kategori tidak stres.

Item Type:	Thesis (Skripsi)
Additional Information:	1. Karnadi, S.Kom., M.Kom 2. Jimmie, S.Kom., M.Kom
Uncontrolled Keywords:	Aktivitas Digital, Analasis Data, Random Forest, Klasifikasi Stres.
Subjects:	Teknologi informasi > pemrograman Teknologi informasi > program
Divisions:	Fakultas Teknik > Teknologi Informasi (S1)
Depositing User:	Mahasiswa Fakultas Teknik
Date Deposited:	08 May 2026 01:35
Last Modified:	08 May 2026 01:35
URI:	http://repository.um-palembang.ac.id/id/eprint/35888

Actions (login required)

View Item