Vanessa Audi, 1320015 (2023) Analisis dan Prediksi Tingkat Stres, Kecemasan, dan Depresi Menggunakan Metode Multinomial Naïve Bayes. S1 publication, Institut Teknologi Harapan Bangsa.

Full text not available from this repository.

Abstract

Kesehatan mental merupakan kondisi yang memengaruhi jutaan orang di dunia, termasuk di Indonesia. Depresi, kecemasan, dan stres adalah masalah yang dapat berdampak pada kesejahteraan. Gaya hidup modern dan tuntutan sehari- hari dapat meningkatkan risiko maslah kesehatan mental, terutama pada usia 15-25 tahun. Berdasarkan data Riskesdas 2018, prevanlansi gangguan depresi di Indonesia mencapat 6,2% pada kelompuk usia 15-25 tahun. Survei INAMHS 2022 menunjukkan 34,9% remaja mengalami masalah kesehatan mental dalam 12 bulan terakhir dengan gejala depresi, kecemasan, dan stres dengan 43,8% dari mereka tidak mencari pertolongan karena perasaan sungkan dan malu. Maka dari itu, diusulkan sebuah solusi dengan memanfaatkan teknologi untuk menganalisis factor-faktor yang terkait dengan kondisi depresi, kecemasan, dan stres serta memprediksi tingkat keparahannya dengan lima kategori yaitu normal, ringan, sedang, berat, sangat berat menggunakan Multinomial Naïve Bayes. Hasil dari analisis dan prediksi diharapkan dapat membantu tindakan pencegahan awal sebelum kondisi memburuk di masa yang akan datang. Visualiasi dari hasil analisis akan ditampilkan berupa diagram atau tabel statistik dan kinerja sistem diukur melalui confusion matrix, akurasi, dan f1-score.

Item Type: Publication (S1)
Additional Information: Yoyok Gamaliel, M.Eng(Pembimbing) Dr. Herry I. Sitepu(Pembimbing)
Uncontrolled Keywords: Kesehatan Mental, Multinomial Naïve Bayes, Analisis Faktor, Machine Learning, Prediksi Kesehatan Mental.
Subjects: T Technology > T Technology (General)
Divisions: ITHB > Teknik Komputer
Depositing User: Staf Perpus - Mhs ithb
Date Deposited: 25 Nov 2025 08:32
Last Modified: 25 Nov 2025 08:33
URI: http://repository.ithb.ac.id/id/eprint/531

Actions (login required)

View Item
View Item

Ithb Repository is powered by EPrints 3.4 which is developed by the School of Electronics and Computer Science at the University of Southampton. About EPrints | Accessibility