PENERAPAN METODE NAÏVE BAYES UNTUK MENDIAGNOSIS TINGKAT DEPRESI MAHASISWA AKHIR DALAM PENELITIAN ILMIAH DI UNIVERSITAS WIRARAJA
Indonesia
Abstract
Kesehatan mental mahasiswa, khususnya mereka yang berada di tahap akhir studi, menjadi isu krusial akibat tekanan akademik yang tinggi, tugas akhir, serta kekhawatiran akan masa depan. Tingginya tingkat depresi yang tidak terdeteksi dapat berdampak serius terhadap kesejahteraan dan produktivitas mahasiswa. Penelitian ini mengembangkan sebuah sistem diagnosa dini depresi berbasis web yang dirancang khusus untuk mahasiswa akhir di Universitas Wiraraja, memanfaatkan algoritma Naïve Bayes.
Sistem ini hadir sebagai alternatif deteksi dini yang mudah diakses dan terjangkau, mengingat keterbatasan akses dan tingginya biaya konsultasi psikologis. Data diperoleh melalui kuesioner berbasis DASS-42 (14 pertanyaan terkait depresi) yang telah divalidasi oleh ahli psikologi klinis. Algoritma Naïve Bayes dipilih karena efektivitasnya dalam klasifikasi probabilitas, kemudahan implementasi, dan potensi akurasi tinggi. Sistem dikembangkan menggunakan PHP dan MySQL sebagai basis data, serta dapat diakses melalui perangkat desktop maupun smartphone.
Berdasarkan pengujian terhadap data mahasiswa, metode Naïve Bayes mampu mengklasifikasikan tingkat depresi ke dalam kategori Normal, Ringan, Sedang, dan Parah, dengan tingkat akurasi mencapai 90,42%. Aplikasi ini tidak hanya membantu mahasiswa mengenali kondisi mental mereka lebih dini, tetapi juga menjadi alat bantu esensial bagi pihak kampus dalam upaya preventif menjaga kesehatan mental mahasiswa. Penelitian ini diharapkan menjadi model penerapan teknologi untuk deteksi dini gangguan kesehatan mental serta berkontribusi pada pengembangan sistem diagnosis berbasis data di lingkungan pendidikan tinggi.
References
[2] M. Luo, M. Hao, X. Li, J. Liao, C. Wu, and Q. Wang, “Prevalence of depressive tendencies among college students and the influence of attributional styles on depressive tendencies in the post-pandemic era,” no. January, pp. 1–9, 2024, doi: 10.3389/fpubh.2024.1326582.
[3] W. S. Wisnugraha, I. N. Farida, M. Ayu, and D. Widyadara, “Implementasi Algoritma Naïve Bayes Dalam Menentukan Diagnosa Tingkat Depresi Mahasiswa Akhir Terhadap Pengerjaan Skripsi,” vol. 7, pp. 919–928, 2023.
[4] A. et. al Rigo, Ghulam, “Implementasi Algoritma Naive Bayes pada Sistem Pakar,” J. Illmiah Betrik, vol. 6, no. 03, pp. 295–303, 2022.
[5] H. Kurniawan and W. bandung bondowoso, “JURNAL SIMADA Sistem Informasi & Manajemen Basis Data,” J. Simada, vol. 2, no. 2, pp. 91–181, 2019.
[6] Mira Orisa, Ahmad Faisol, and Mochammad Ibrahim Ashari, “Perancangan Website Company Profile Menggunakan Design Science Research Methodology (Dsrm),” J. Inform. Teknol. dan Sains, vol. 5, no. 1, pp. 160–164, 2023, doi: 10.51401/jinteks.v5i1.2576.
[7] R. Mahendra, “Sistem Pengumuman Berbasis Aplikasi Android Dengan Menggunakan Firebase,” 2019.
[8] Imam Mualim, Nuari Anisa Sivi, Risti Ayuni, and Rudi Hartono, “Rancang Bangun Sistem Penggajian Dosen Penguji Seminar Proposal dan Ujian Skripsi Berbasis Web Pada Fakultas Sains dan Teknologi Universitas Nahdlatul Ulama Lampung,” Explor. IT J. Keilmuan dan Apl. Tek. Inform., vol. 15, no. 1, pp. 22–29, 2023, doi: 10.35891/explorit.v15i1.3966.
[9] E. Fuad, “Aplikasi Penjadwalan Otomatis Ujian Proposal Dan Sidang Skripsi Pada Fakultas Ilmu Komputer Universitas Muhammadiyah Riau,” J. Fasilkom, vol. 8, no. 1, pp. 315–333, 2019, doi: 10.37859/jf.v8i1.1196.
[10] T. O. Ratnaningtyas and D. Fitriani, “Hubungan Stres Dengan Kualitas Tidur Pada Mahasiswa Tingkat Akhir,” Edu Masda J., vol. 3, no. 2, p. 181, 2019, doi: 10.52118/edumasda.v3i2.40.
