Implementasi Algoritma Random Forest Untuk Prediksi Kesehatan Mental Pekerja Berbasis Website
Tahun 2026 · Penulis: Kerin Cecillia Belo
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11846
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Kesehatan mental pekerja menjadi salah satu faktor penting yang memengaruhi produktivitas dan kesejahteraan di lingkungan kerja. Namun masih banyak perusahaan yang belum memiliki mekanisme deteksi dini kesehatan mental yang efektif. Penelitian ini bertujuan mengimplementasikan algoritma Random Forest untuk memprediksi tingkat risiko kesehatan mental pekerja serta mengembangkan sistem prediksi berbasis website. Data yang digunakan dari Mental Health and Lifestyle Dataset yang terdiri dari 10.000 data pekerja dengan atribut demografis, gaya hidup, dan psikologis yang diadaptasi dari instrumen DASS-21, MSPSS, UWES, dan PSQI. Tahap preprocessing yaitu pembersihan data, transformasi data kategorikal, normalisasi menggunakan StandardScaler, pembagian data dengan skenario 80:20 dan 70:30 beserta penyeimbangan kelas menggunakan SMOTE. Proses pemodelan dilakukan menggunakan algoritma Random Forest dengan parameter yang telah ditentukan dan dievaluasi menggunakan metrik accuracy, precission, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Random Forest mampu memberikan performa yang sangat baik dengan nilai accuracy 97,90%, recall 97,90%, dan F1-score 97,90% pada skenario 70:30. Model kemudian diimplementasikan ke dalam website yang memungkinkan pengguna melakukan asesmen dan memperoleh hasil prediksi risiko kesehatan mental secara otomatis. Penelitian ini menunjukkan bahwa Random Forest efektif digunakan untuk mendukung deteksi dini risiko kesehatan mental pekerja berbasis website.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,810
Tahun 2026 · Penulis: Fahmi Firdausal Umam
Pengembangan Model Deteksi Bahan Berbahaya di Label Komposisi Pada Kemasan Kosmetik Menggunakan Kombinasi NER-OCR
Penelitian ini bertujuan mengembangkan sistem deteksi bahan berbahaya pada label komposisi kosmetik dengan mengombinasikan Optical Character Recognition (OCR), rule-based Named Entity Recognition (NER), dan algoritma Random Forest. Permasalahan yang melatarbel
- Cosine 0,806
Tahun 2026 · Penulis: Adellia Putri
Klasifikasi Penyakit Batang Buah Naga Merah Menggunakan Arsitektur Eca-Resnet-50 Berbasis Website
Buah naga merah adalah salah satu komoditas hortikultura dengan nilai ekonomi tinggi di Indonesia. Salah satu tantangan utama penanaman buah naga adalah infeksi penyakit batang, yang dapat mengurangi pertumbuhan tanaman dan produktivitas tanaman. Identifikasi
- Cosine 0,788
Tahun 2026 · Penulis: Alian Zahid Alaziz
Prediksi Ph Fermentasi Kopi Berbasis Ensemble Learning dan Sistem Iot Pemantauan Suhu
Fermentasi kopi merupakan salah satu tahapan penting yang memengaruhi kualitas akhir biji kopi. Salah satu parameter utama yang menentukan keberhasilan fermentasi adalah nilai pH. Namun, pengukuran pH belum dapat dilakukan secara kontinu karena memerlukan pera