PENGGUNAAN RANDOM FOREST DALAM SISTEM KLASIFIKASI KECEMASAN PADA GENERASI Z
DOI:
https://doi.org/10.23960/jitet.v13i3.6905Abstract Views: 99 File Views: 73
Keywords:
Generasi Z, Kecemasan, Random Forest, Situs WebAbstract
Kesehatan mental merupakan masalah yang semakin berkembang, terutama bagi Generasi Z yang lebih banyak menderita kecemasan karena mereka memiliki tekanan sosial dan akademis yang lebih besar. Di Indonesia, hal ini masih belum dikenal, oleh karen aitu harus ada sistem yang efisien untuk mengidentifikasi kecemasan. Penelitian ini bertujuan untuk mengidentifikasi dan menginvesitasi kecemasan pada Generasi Z dengan membuat sebuah website sebagai alat identifikasi. Metode yang dilakukkan adalah ekstraksi data melalui scraping tweet dari pengguna aplikasi X dan kemudian dianalisis melalui algoritma Random Forest. Hasil model Random Forest mampu mendapatkan akurasi 97,71%. Situs web yang dikembangkan dapat mengumpulkan informasi keluhan dari pengguna dan memberikan penilaian status kecemasan mereka secara real-time. Sebagai tindak lanjut dari hasil analisis, situs web ini dapat membantu pengguna untuk menghindari kesalahan diagnosis. Dengan demikian, penelitian ini berkontribusi dalam mengembangkan sistem informasi yang lebih baik untuk mendukung kesehatan mental, serta memberikan rekomendasi yang dapat ditindaklanjuti bagi individu Generasi Z untuk memahami dan mengatasi kecemasan.
Downloads
References
C. Nurlaila, Q. Aini, S. Setyawati, dan A. Laksana, “Dinamika Perilaku Gen Z Sebagai Generasi Internet,” Konsensus : Jurnal Ilmu Pertahanan, Hukum dan Ilmu Komunikasi, vol. 1, no. 6, hlm. 95–102, Des 2024, doi: 10.62383/konsensus.v1i6.433.
E. E. Pratiwi, A. R. Aisy, R. Rahmaddeni, dan N. Ananta, “KLASIFIKASI KESEHATAN MENTAL PADA USIA REMAJA MENGGUNAKAN METODE SVM,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 2, hlm. 445–453, Apr 2025, doi: 10.23960/jitet.v13i2.6232.
M. A. Rizaty, “Survei: Gen Z Paling Banyak Merasakan Masalah Kesehatan Mental,” DataIndonesia.id.
E. Narus, “Gen Z Rentan Terkena Gangguan Mental, Apa Penyebabnya?,” Media Indonesia. Diakses: 15 Desember 2024. [Daring]. Tersedia pada: https://mediaindonesia.com/humaniora/707791/gen-z-rentan-terkena-gangguan-mental-apa-penyebabnya#google_vignette
A. P. Dewi dan S. Delliana, “SELF DISCLOSURE GENERASI Z DI TWITTER,” Ekspresi dan Presepsi : Jurnal Ilmu Komunikasi, hlm. 62–69, 2020, [Daring]. Tersedia pada: http://ejournal.upnvj.ac.id/index.php/JEP/index
K. Rahayu, V. Fitria, D. Septhya, Rahmaddeni, dan L. Efrizoni, “Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, hlm. 108–114, Sep 2023, doi: 10.57152/malcom.v3i2.780.
K. I. P. Sari, S. Muthoharoh, dan R. Widiyawati, “KECEMASAN AKADEMIK MAHASISWA KEBIDANAN; LITERATURE REVIEW,” JURNAL PENGEMBANGAN ILMU DAN PRAKTIK KESEHATAN, vol. 2, no. 3, hlm. 166–175, Jun 2023.
V. Arinal dan M. Azhari, “Penerapan Regresi Linear Untuk Prediksi Harga Beras Di Indonesia,” Jurnal Sains dan Teknologi, vol. 5, no. 1, hlm. 341–346, Sep 2023, doi: 10.55338/saintek.v5i1.1417.
N. A. Salsabila, ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP TOKOH GUS DUR MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM). 2022.
K. Widi dan A. D. Indriyanti, “Peramalan Penjualan Cookies pada Usaha Cookies Sweetnest Menggunakan Metode Simple Moving Average,” JEISBI (Journal of Emerging Information Systems and Business Intelligence), vol. 5, no. 2, hlm. 104–109, 2024.
N. Hidayati, J. Suntoro, dan G. G. Setiaji, “Perbandingan Algoritma Klasifikasi untuk Prediksi Cacat Software dengan Pendekatan CRISP-DM,” Jurnal Sains dan Informatika, vol. 7, no. 2, hlm. 117–126, Nov 2021, doi: 10.34128/jsi.v7i2.313.
M. R. A. Surya, Martanto, dan U. Hayati, “ANALISIS SENTIMEN ULASAN PENGGUNA OVO MENGGUNAKAN ALGORITMA NAIVE BAYES PADA GOOGLE PLAY STORE,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 3, hlm. 2780–2786, 2024.
E. Erlin, Y. Desnelita, N. Nasution, L. Suryati, dan F. Zoromi, “Dampak SMOTE terhadap Kinerja Random Forest Classifier berdasarkan Data Tidak seimbang,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 3, hlm. 677–690, Jul 2022, doi: 10.30812/matrik.v21i3.1726.
S. Amaliah, M. Nusrang, dan Aswi, “Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng,” VARIANSI: Journal of Statistics and Its application on Teaching and Research, vol. 4, no. 3, hlm. 121–127, Des 2022, doi: 10.35580/variansiunm31.
N. N. Sholihah dan A. Hermawan, “IMPLEMENTATION OF RANDOM FOREST AND SMOTE METHODS FOR ECONOMIC STATUS CLASSIFICATION IN CIREBON CITY,” Jurnal Teknik Informatika (JUTIF), vol. 4, no. 6, hlm. 1387–1397, Des 2023, doi: 10.52436/1.jutif.2023.4.6.1135.
Kristiawan dan A. Widjaja, “Perbandingan Algoritma Machine Learning dalam Menilai Sebuah Lokasi Toko Ritel,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 1, hlm. 35–46, Apr 2021, doi: 10.28932/jutisi.v7i1.3182.
N. A’ayunnisa, Y. Salim, dan H. Azis, “Analisis performa metode Gaussian Naïve Bayes untuk klasifikasi citra tulisan tangan karakter arab,” Indonesian Journal of Data and Science (IJODAS), vol. 3, no. 3, hlm. 115–121, Des 2022.
M. D. Purbolaksono, M. I. Tantowi, A. I. Hidayat, dan Adiwijaya, “Perbandingan Support Vector Machine dan Modified Balanced Random Forest dalam Deteksi Pasien Penyakit Diabetes,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, hlm. 393–399, Apr 2021, doi: 10.29207/resti.v5i2.3008.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
