Pemodelan Prediksi Kesehatan Mental Mahasiswa Di Lingkungan Multikultural Menggunakan Algoritma Decision Tree J48
Pemodelan Prediksi Kesehatan Mental Mahasiswa Di Lingkungan Multikultural Menggunakan Algoritma Decision Tree J48
1st Haidir Ahmad 2nd Ilham Ari Elbaith Zaeni 3rd Muhammad Iqbal Akbar
Jurusan Teknik Elektro Jurusan Teknik Elektro Jurusan Teknik Elektro
Universitas Negeri Malang Universitas Negeri Malang Universitas Negeri Malang
Malang 65145, Jawa Timur, Malang 65145, Jawa Timur, Malang 65145, Jawa Timur,
Indonesia Indonesia Indonesia
haidirhr532@gmail.com ilham.ari.ft@um.ac.id iqbal.akbar.ft@um.ac.id
Abstract— Kesehatan mental masih menjadi hal yang tabu untuk dibicarakan masyarakat. Era
perkembangan teknologi saat ini membimbing manusia mencari tingkat kepuasan sesuai ekspektasi
sukses yang umum dibahas di sosial media, maupun di lingkungan sosialnya. Gejala stres atau
penurunan kesehatan mental pada mahasiswa dikategorikan berat. Dikuatkan dengan data bahwa
50.000 orang Indonesia melakukan aksi bunuh diri setiap tahunnya. Didominasi dengan rentan usia
16-30 tahun. Tekanan pada mahasiswa di lingkungan multikultural juga dapat dipengaruhi dengan
perbedaan cara berbahasa, gaya berpakaian, makanan, relasi interpersonal, iklim, waktu belajar, dan
berbagai hal lainnya. Hasil dari penelitian diharapkan dapat memberikan indikasi secara dini tentang
kesehatan mental pada mahasiswa. Penelitian ini menggunakan teknik Data Mining dan Machine
Learning untuk membuat pemodelan prediksi kesehatan mental mahasiswa dilingkungan
multikultural. Dataset yang digunakan berasal dari penelitian M.H. Nguyen dan kawan-kawan dengan
judul “A Dataset of Students’ Mental Health and Help-Seeking Behaviors in a Multicultural
Environment”. Dataset tersebut berisi 268 catatan depresi, tekanan akulturasi, hubungan sosial, dan
perilaku mencari bantuan yang dilakukan mahasiswa internasional maupun domestik di Universitas
Internasional Jepang. Dengan menggunakan algoritma Decision Tree j48 dan Information Gain sebagai
seleksi atribut, dilakukan pemodelan prediksi hal-hal yang memengaruhi kesehatan mental mahasiswa
internasional dan domestik. Penelitian ini menghasilkan performa dengan rata-rata accuracy 84.96%
dan evaluasi menggunakan MAPE (Mean Absolute Percentage Error) dengan rata-rata keseluruhan
15,04%. Adapun variabel yang sangat memengaruhi Kesehatan mental mahasiswa di lingkungan
multikultural adalah variabel ‘ToDep’. Variabel ‘ToDep’ adalah nilai kondisi emosional siswa yang
diukur berdasarkan nilai kuesioner PHQ-9 berdasarkan penelitian M.H. Nguyen dkk.
Keywords— Kesehatan Mental, Depresi, Information Gain, Algoritma Decision Tree, Model Prediksi
Kesehatan Mental
| |
n
yi − ŷi Dep dan DepType memiliki nilai yang tinggi
MAPE= ∑ ŷi
∗100 % jika menggunakan Information Gain, hal ini
i=1 menunjukkan metode Information Gain dapat
mempengaruhi performa dari model tersebut.
(8)
B. Pembahasan
Keterangan:
n = Jumlah data Dapat dilihat pada pembahasan subbab
sebelumnya dimana label DepSev memiliki
y = Nilai aktual
hasil yang sempurna dari segi accuracy,
ŷ = Nilai prediksi
precision, dan recall. Model prediksi dari
algoritma J48 tidak hanya menghasilkan model
dari Confusion Matrix saja, algoritma ini juga keputusan untuk label DepSev dapat dilihat
menghasilkan pohon keputusan. pohon pada Gambar 3.
Pada pohon keputusan diatas, label DepSev sehingga menghasilkan pohon keputusan yang
hanya memiliki satu atribut yang paling lebih pendek.
mempengaruhi model keputusan yaitu
C. Evaluasi (MAPE)
‘ToDep’. Label DepSev dengan ataupun tanpa
menggunakan attribute selection, Evaluasi kinerja model prediksi seperti
menghasilkan pohon keputusan yang sama, hal yang telah dibahas pada bab sebelumnya, akan
ini dikarenakan software WEKA telah menggunakan metode evaluasi MAPE (Mean
menggunakan teknik pruning tree Absolute Percentage Error) untuk mengetahui
(pemangkasan pohon) dimana atribut yang tingkat kesalahan prediksi. Adapun hasil dari
tidak perlu digunakan dapat dipangkas evaluasi MAPE dari masing-masing dari
model dapat dilihat pada Tabel VI.