ANALISIS TINGKAT STRESS MAHASISWA PADA TUGAS AKHIR MENGGUNAKAN LINEAR DISCRIMINANT ANALYSIS

Main Article Content

Raihan Herfiansyah
Ahmad Shofwan Anshory
Ridho Pikriansyah
Arya Syah Ramadhan
Agung Nughroho

Abstract

Penelitian ini bertujuan membangun model prediksi tingkat stres mahasiswa pada tugas akhir menggunakan Linear Discriminant Analysis (LDA). Tugas akhir sering menjadi sumber stres bagi mahasiswa, berisiko menurunkan kinerjaakademik dan mengganggu kesehatan mental. Pendekatan kuantitatif eksperimental berbasis data mining digunakan, meliputi pengumpulan data kuesioner, pra-pemrosesan data, pembangunan model LDA, dan evaluasi performa. Data kuesioner mengukur faktor seperti beban tugas, pola tidur, dan tekanan sosial. Hasil penelitian menunjukkan model LDA mencapai akurasi 88%. Nilai precision macro 0.94 dan F1-score macro 0.86 menunjukkan ketepatan dan keseimbangan model yang baik. Meskipun performa untuk kelas stres rendah dan sedang sangat baik (F1-score 1.00 dan 0.91), kelas tinggi masih perlu ditingkatkan dengan recall 0.50. Ketidakseimbangan data antar kelas (khususnya rendah dan tinggi) berpengaruh signifikan. Penelitian ini menunjukkan potensimachine learning untuk deteksi stres objektif, namun pengembangan lebih lanjut seperti penambahan data latih diperlukan.

Article Details

Section

Articles

Author Biographies

Raihan Herfiansyah, Universitas Pelita Bangsa

Teknik Informatika, Universitas Pelita Bangsa

Ahmad Shofwan Anshory, Universitas Pelita Bangsa

Teknik Informatika, Universitas Pelita Bangsa

Ridho Pikriansyah, Universitas Pelita Bangsa

Teknik Informatika, Universitas Pelita Bangsa

Arya Syah Ramadhan, Universitas Pelita Bangsa

Teknik Informatika, Universitas Pelita Bangsa

Agung Nughroho, Universitas Pelita Bangsa

Teknik Informatika, Universitas Pelita Bangsa

How to Cite

ANALISIS TINGKAT STRESS MAHASISWA PADA TUGAS AKHIR MENGGUNAKAN LINEAR DISCRIMINANT ANALYSIS. (2025). Kohesi: Jurnal Sains Dan Teknologi, 9(4), 91-100. https://doi.org/10.2238/ma8tk836

Similar Articles

You may also start an advanced similarity search for this article.