Hendrick, Hendrick (2025) Perbandingan metode XGboost dan random forest untuk klasifikasi gangguan kesehatan mental pada karyawan di bidang teknologi informasi. Skripsi thesis, Universitas Tarumanagara.
Full text not available from this repository.Abstract
Gangguan kesehatan mental di lingkungan kerja, khususnya di perusahaan teknologi informasi, sering kali diabaikan meskipun berdampak negatif pada produktivitas dan kesejahteraan karyawan. Penelitian ini bertujuan mengembangkan aplikasi berbasis web untuk deteksi dini gangguan kesehatan mental dengan memanfaatkan algoritma machine learning, yaitu XGBoost dan Random Forest. Kedua algoritma ini dibandingkan untuk menentukan metode yang paling akurat dalam klasifikasi kondisi mental karyawan. Dengan memanfaatkan dataset dari OSMI, sistem yang diusulkan ini diharapkan mampu membantu perusahaan meningkatkan kesadaran akan kesehatan mental, mendeteksi masalah lebih dini, dan memberikan dukungan kepada karyawan yang membutuhkan bantuan profesional. Hasil penelitian menunjukkan bahwa akurasi tertinggi untuk metode XGBoost tercapai pada dataset berjumlah 5000 data dengan pembagian 70% data training dan 30% data testing, yaitu sebesar 99,93%. Sementara itu, metode Random Forest mencapai akurasi tertinggi sebesar 94,00% pada dataset berjumlah 3000 data dengan pembagian 80% data training dan 20% data testing. Secara keseluruhan, XGBoost lebih konsisten memberikan hasil akurasi yang lebih tinggi dibandingkan Random Forest.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
| Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
| Depositing User: | TDI Family perpus |
| Date Deposited: | 11 Feb 2025 08:01 |
| Last Modified: | 11 Feb 2025 08:01 |
| URI: | http://repository.untar.ac.id/id/eprint/45928 |
Actions (login required)
 |
View Item |
