Abstract:
Kesehatan mental pada usia remaja merupakan isu krusial yang terus mengalami
peningkatan dan sering kali tidak terdeteksi secara dini akibat keterbatasan metode
penilaian yang masih bersifat subjektif. Penelitian ini bertujuan untuk
mengklasifikasikan tingkat kesehatan mental remaja berdasarkan tingkat stres
menggunakan pendekatan machine learning serta membandingkan kinerja
algoritma KNN dan SVM. Dataset yang digunakan terdiri dari 1.100 data remaja
yang diperoleh dari GitHub dengan 11 atribut prediktor dan satu atribut target, yaitu
stress_level yang diklasifikasikan ke dalam tiga kelas: rendah, sedang, dan tinggi.
Tahapan penelitian meliputi preprocessing data, EDA, feature selection,
penanganan ketidakseimbangan data menggunakan SMOTE, pemodelan, dan
evaluasi. Pengujian dilakukan menggunakan beberapa rasio pembagian data latih
dan data uji. Evaluasi kinerja model menggunakan confusion matrix. Hasil
penelitian menunjukkan bahwa algoritma SVM memberikan performa terbaik
dengan akurasi sebesar 89,55% dan F1-Score sebesar 89,58% pada rasio data 80:20
sebelum penerapan SMOTE. Secara keseluruhan, SVM terbukti lebih stabil dan
akurat dibandingkan KNN dalam mengklasifikasikan tingkat kesehatan mental
remaja, sehingga berpotensi digunakan sebagai dasar sistem deteksi dini kesehatan
mental berbasis data.
