IMPLEMENTASI DATA MINING UNTUK PREDIKSI DAN KLASIFIKASI TINGKAT STRES MENGGUNAKAN ALGORITMA RANDOM FOREST

Fitriani Noer Jamilah

doi:10.23960/jitet.v14i1.8838

Authors

Fitriani Noer Jamilah Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

DOI:

https://doi.org/10.23960/jitet.v14i1.8838

Abstract Views: 111 File Views: 63

Keywords:

Data mining, Random Forest, Prediksi Stres, Perceived Stress Scale, Streamlit

Abstract

Stres merupakan permasalahan kesehatan mental yang dapat menurunkan produktivitas serta kualitas hidup individu, sehingga diperlukan upaya identifikasi dini yang akurat dan efisien. Penelitian ini bertujuan mengimplementasikan teknik data mining untuk prediksi dan klasifikasi tingkat stres menggunakan algoritma Random Forest. Data penelitian diperoleh dari hasil survei Perceived Stress Scale (PSS-10) yang dipadukan dengan indikator gaya hidup, seperti pola tidur dan aktivitas fisik, yang dikumpulkan dari 512 responden melalui Google Form. Sistem klasifikasi dikembangkan berbasis Streamlit untuk mendukung proses preprocessing data, pelatihan model, pengujian internal dan eksternal, serta visualisasi hasil prediksi. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa algoritma Random Forest mencapai akurasi sebesar 99,03% pada pengujian internal dan 99,80% pada pengujian eksternal, dengan nilai precision, recall, dan f1-score yang mendekati 1,00 pada seluruh kategori tingkat stres. Hasil ini menunjukkan bahwa model memiliki kinerja yang sangat baik dan konsisten, sehingga berpotensi diterapkan sebagai alat bantu skrining awal tingkat stres di lingkungan pendidikan, perusahaan, dan layanan kesehatan.

Downloads

Download data is not yet available.

References

S. Sza et al., “Penerapan Decision Tree Dan Random Forest Dalam Deteksi the Application of Decision Tree and Random Forest in Detecting Human Stress Levels Based on Sleep Conditions,” vol. 10, no. 7, pp. 1503–1510, 2023, doi: 10.25126/jtiik.2024117993.

V. Oktaviani, N. Rosmawarni, and M. P. Muslim, “Perbandingan Kinerja Random Forest Dan Smote Random Forest Dalam Mendeteksi Dan Mengukur Tingkat Stres Pada Mahasiswa Tingkat Akhir,” Inform. J. Ilmu Komput., vol. 20, no. 1, pp. 43–49, 2024, doi: 10.52958/iftk.v20i1.9158.

M. Maulidah and N. Hidayati, “Prediksi Kesehatan Tidur Dan Gaya Hidup Menggunakan Machine Learning,” CONTEN Comput. Netw. Technol., vol. 4, no. 1, pp. 81–86, 2024, [Online]. Available: http://jurnal.bsi.ac.id/index.php/conten

V. Marcella, A. Simalango, and W. Franciska, “Evaluasi Algoritma Decision Tree dan Random Forest serta Efektivitas Feature Selection dalam Memprediksi Kesehatan Mental,” vol. 7, pp. 201–215, 2025.

I. A. Hidayat, “Classification of Sleep Disorders Using Random Forest on Sleep Health and Lifestyle Dataset,” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 3, no. 2, pp. 71–76, 2023, doi: 10.20895/dinda.v3i2.1215.

A. Van Fadhila et al., “Implementasi Metode Machine Learning Untuk Mendeteksi Tingkat Stres Manusia Berdasarkan Kualitas Tidur,” Semin. Nas. Mhs. Ilmu Komput. dan Apl., vol. 4, no. 1, pp. 130–143, 2023.

G. Zahra, N. Fadhilah, R. A. Saputra, and A. H. Wibowo, “Deteksi Tingkat Gangguan Kecemasan Menggunakan Metode Random Forest,” J. Fak. Tek. UMT, vol. 13, no. 1, pp. 38–47, 2024, [Online]. Available: http://jurnal.umt.ac.id/index.php/jt/index

I. Nawawi and Z. Fatah, “Penerapan Decision Trees dalam Mendeteksi Pola Tidur Sehat Berdasarkan Kebiasaan Gaya Hidup,” vol. 2, no. 4, pp. 34–41, 2024.

W. Widyastuty and M. A. Azis, “Classification and Evaluation of Sleep Disorders Using Random Forest Algorithm in Health and Lifestyle Dataset,” Compiler, vol. 13, no. 1, p. 11, 2024, doi: 10.28989/compiler.v13i1.2184.

I. F. Wijayanti, E. R. Widasari, and B. H. Prasetio, “Implementasi Wearable Device untuk Sistem Pendeteksi Stres pada Manusia berdasarkan Suhu Tubuh dan Detak Jantung,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 9, pp. 4486–4492, 2022, [Online]. Available: http://j-ptiik.ub.ac.id

E. Abdelfattah, S. Joshi, and S. Tiwari, “Machine and Deep Learning Models for Stress Detection Using Multimodal Physiological Data,” IEEE Access, vol. 13, pp. 4597–4608, 2025, doi: 10.1109/ACCESS.2024.3525459.

A. Anjani and Y. Yamasari, “Klasifikasi Tingkat Stres Mahasiswa Menggunakan Metode Berbasis Tree,” J. Informatics Comput. Sci., vol. 05, pp. 83–89, 2023.

A. A. Hapsari, A. S. Nursuwanda, H. Zuhriyah, and D. J. Vresdian, “Klasifikasi Kesehatan Mental Mahasiswa Model TMAS dengan Algoritma Decision Tree , Logistic Regression , dan Random Forest,” vol. 7, no. November, 2024.

J. Sarita, I. Lu, I. Maylani, and P. Setyawati, “Pengaruh Kesehatan Mental Terhadap Stress Akademik Pada Mahasiswa Di Universitas X Dengan Menggunakan Metode Algoritma Decision Tree J48”.

R. R. Fitri, A. Asriyanik, dan W. Apriandari, “Penggunaan Random Forest dalam Sistem Klasifikasi Kecemasan pada Generasi Z,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, 2025, doi:10.23960/jitet.v13i3.6905.