KLASIFIKASI KESEHATAN MENTAL MAHASISWA AKHIR MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) (STUDI KASUS : MAHASISWA UNIVERSITAS LABUHANBATU)

SALSA DEA OKTAVIANDA SIREGAR, NPM 2109100071 (2025) KLASIFIKASI KESEHATAN MENTAL MAHASISWA AKHIR MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) (STUDI KASUS : MAHASISWA UNIVERSITAS LABUHANBATU). Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (249kB)
	Text BAB II.pdf Download (465kB)
	Text BAB III.pdf Download (602kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (194kB)
	Text DAFTAR PUSTAKA.pdf Download (180kB)
	Text LAMPIRAN.pdf Download (689kB)

Abstract

Kesehatan mental merupakan aspek penting dalam kehidupan mahasiswa, terutama bagi mahasiswa akhir yang menghadapi tekanan akademik dan sosial. Studi ini bertujuan untuk mengklasifikasikan kesehatan mental mahasiswa akhir Universitas Labuhanbatu dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine. Data yang digunakan dalam penelitian ini diperoleh melalui survei yang melibatkan mahasiswa akhir. Metode klasifikasi yang diterapkan dari hasil penelitian menunjukkan bahwa algoritma Naïve Bayes dan Support Vector Machine memiliki performa yang berbeda. Akurasi klasifikasi menggunakan Naïve Bayes mencapai 80,00%, sedangkan Support Vector Machine memiliki akurasi 65.00%. Dari hasil tersebut, algoritma Naïve Bayes lebih baik dibanding dengan Support Vector Machine akurasi tertinggi dalam melakukan klasifikasi. Kata Kunci : Kesehatan Mental, Knowledge Discovery In Databases (KDD), Naïve Bayes Dan Support Vector Machine =================================================================================================== Mental health is an important aspect in students' lives, especially for final year students who face academic and social pressures. This study aims to classify the mental health of final year students at Labuhanbatu University using the Naïve Bayes and Support Vector Machine algorithms. The data used in this study were obtained through a survey involving final year students. The classification method applied from the results of the study shows that the Naïve Bayes and Support Vector Machine algorithms have different performances. The classification accuracy using Naïve Bayes reaches 80.00%, while the Support Vector Machine has an accuracy of 65.00%. From these results, the Naïve Bayes algorithm is better than the Support Vector Machine with the highest accuracy in classifying. Keywords : Mental Health, Knowledge Discovery In Databases (KDD), Naïve Bayes And Support Vector Machine

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	KLASIFIKASI KESEHATAN MENTAL MAHASISWA AKHIR MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) (STUDI KASUS : MAHASISWA UNIVERSITAS LABUHANBATU)
Subjects:	K Law > K Law (General)
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	12 Jun 2025 07:46
Last Modified:	12 Jun 2025 08:00
URI:	http://repository.ulb.ac.id/id/eprint/1463

Actions (login required)

View Item