Prediksi Tingkat Stress dan Kesehatan Mental Mahasiswa Menggunakan Algoritma SVM
DOI:
https://doi.org/10.35473/jamastika.v4i2.4542Abstract
Kesehatan mental mahasiswa menjadi sangat penting yang perlu mendapatkan perhatian, mengingat tingginya tingkat stres akibat tuntutan akademik, masalah sosial, maupun tekanan finansial. Stres yang tidak terkendali dapat menurunkan prestasi akademik dan berisiko menimbulkan gangguan psikologis jangka panjang. Oleh karena itu, dibutuhkan sebuah sistem yang mampu memprediksi tingkat stres dan kondisi kesehatan mental mahasiswa secara akurat. Penelitian ini bertujuan mengimplementasikan algoritma Support Vector Machine (SVM) dalam klasifikasi tingkat stres mahasiswa berdasarkan berbagai faktor seperti pola belajar, kualitas tidur, aktivitas sosial, serta kondisi psikologis lainnya. Data penelitian diolah menggunakan metode machine learning. Algoritma SVM dipilih karena kemampuannya menangani data kompleks dengan tingkat akurasi tinggi. Hasil penelitian menunjukkan bahwa SVM efektif digunakan dalam memprediksi tingkat stres mahasiswa dengan akurasi mencapai 88%, sehingga dapat mendukung upaya pencegahan dini dan intervensi kesehatan mental di lingkungan perguruan tinggi.
Kata Kunci: Stres Mahasiswa, Kesehatan Mental, Machine Learning, Support Vector Machine (SVM), RapidMiner.
References
Adriansyah, Ilham, Muhammad Diemas Mahendra, Errissya Rasywir, and Yovi Pratama. 2022. “Perbandingan Metode Random Forest Classifier Dan SVM Pada Klasifikasi Kemampuan Level Beradaptasi Pembelajaran Jarak Jauh Siswa.” Bulletin of Informatics and Data Science 1(2):98. doi: 10.61944/bids.v1i2.49.
Anisa, Sopwatun, Agus Komarudin, and Edvin Ramadhan. 2024. “Sistem Klasifikasi Untuk Menentukan Tingkat Stress Mahasiswa Secara Umum Menggunakan Metode K-Nearest Neighbors.” Jurnal Informatika Teknologi Dan Sains (Jinteks) 6(3):568–78. doi: 10.51401/jinteks.v6i3.4317.
Budiyanto, MRS. 2025. “Kesehatan Mental.” Halodoc. Retrieved October 4, 2025 (https://www.halodoc.com/kesehatan/kesehatan-mental).
Fadhilla, Mutia, Rizky Wandri, Anggi Hanafiah, Panji Rachmat Setiawan, Yudhi Arta, and Suandi Daulay. 2025. “Analisis Performa Algoritma Machine Learning Untuk Identifikasi Depresi Pada Mahasiswa.” Journal of Informatics Management and Information Technology 5(1):40–47. doi: 10.47065/jimat.v5i1.473.
Fadillah Abdullah, Mochamad, and M. Rudyanto Arief. 2022. “Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Menggunakan Metode Support Vector Machine.” Jurnal Sains Dan Teknologi 14(1):35.
Fibriani, Charitas, Dian Novita Kristiyani, Universitas Kristen, Satya Wacana, Hubungan Masyarakat, Universitas Kristen, and Satya Wacana. 2025. “Model Klasifikasi Mental Siswa Menggunakan Algoritma Support Vector Machine.” Jurnal Ilmiah Komputer 21(2):472–82.
Fp-growth, Metode. 2021. “Sistem Informasi Prediksi Penjualan Alat Tulis Kantor Dengan Metode Fp-Growth (Studi Kasus Toko Koperasi Sekolah Bina Mulia).” Jurnal Sistem Informasi Universitas Suryadarma 8(2). doi: 10.35968/jsi.v8i2.739.
Lestari, Dwi, and Sri Lestari. 2024. “Penerapan Data Mining Klasifikasi Tingkat Pemahaman Siswa Pada Kegiatan Belajar Mengajar Dengan Metode Decision Tree (Studi Kasus SDN Malaka Jaya 11 Duren Sawit).” Jurnal Indonesia : Manajemen Informatika Dan Komunikasi 5(2):1260–68. doi: 10.35870/jimik.v5i2.662.
Maldini, Naufal, Danang Wahyu Utomo, and Rahmadika Putri Tresyani. 2025. “Deteksi Dini Gangguan Kesehatan Mental Berdasarkan Sentimen Menggunakan Metode Stacking.” Sistemasi 14(1):271. doi: 10.32520/stmsi.v14i1.4842.
Mardivta, Hafizhah, and Afrahul Naura Raihanah. 2025. “Penerapan Algoritma Naïve Bayes Untuk Prediksi Tingkat Stres Pada Mahasiswa Keperawatan.” 1:221–28.
Mohd Shafiee, Nor Safika, and Sofianita Mutalib. 2020. “Prediction of Mental Health Problems among Higher Education Student Using Machine Learning.” International Journal of Education and Management Engineering 10(6):1–9. doi: 10.5815/ijeme.2020.06.01.
Nath, Mishu Deb, Md Khabir Uddin Ahamed, Omayer Ahmed, Tanvir Ahmed, Sujit Roy, and Mohammed Nasir Uddin. 2025. “Smart Web Interface for Student Mental Health Prediction Using Machine Learning with Blockchain Technology.” Neuroscience Informatics 5(4). doi: 10.1016/j.neuri.2025.100236.
Nurul, Linda, Taqwa Pulungan, and Ema Utami. 2025. “Perbandingan Algoritma Svm Dan Random Forest Pada Klasifikasi Kesehatan Mental Berdasarkan Sleep Disorders.” 10(3):2827–37.
Pratiwi, Elsa Eka, Alaysha Rihadatul Aisy, Nita Ananta, and Teknik Informatika. 2025. “KLASIFIKASI KESEHATAN MENTAL PADA USIA REMAJA MENGGUNAKAN METODE SVM.” 13(2).
Syamsiah, and Agus; Darwaman. 2020. “Analisa Particle Swarm Optimization Terhadap Kepuasan.” Seminar Nasional Riset Dan Teknologi (SEMNAS RISTEK) 143–48.
Wahono, Romi Satria. 2023. Data Mining Data Mining. Vol. 2.
Wijaya, Vannes, and Nur Rachmat. 2024. “Comparison of SVM, Random Forest, and Logistic Regression Performance n Student Mental Health Screening.” JEECS (Journal of Electrical Engineering and Computer Sciences) 9(2):173–84. doi: 10.54732/jeecs.v9i2.9.
