View/Open

Author
AYU, JANNATI ALI PUTRI

Date Published
11 May 2026

Advisor
Miranti Verdiana, M.Si.,

Subject
Teknik Informatika

Publisher

Gangguan kesehatan mental yang paling umum terjadi, salah satunya adalah gangguan depresi. Gangguan ini didominasi oleh mahasiswa yang rentan secara psikologis karena tekanan akademik dan fase transisi kehidupan. PHQ-9 adalah instrumen skrining depresi berbasis sembilan pertanyaan yang mengklasifikasikan lima tingkat keparahan: Minimal, Ringan, Sedang, Sedang-Berat, dan Berat. Penelitian ini bertujuan membangun model klasifikasi tingkat keparahan depresi menggunakan Random Forest dan XGBoost, serta membandingkan performa metode dengan metrik evaluasi confusion matrix dan nilai F1-Macro. Dataset yang digunakan berasal dari Xinxiang Medical University, Tiongkok dengan 24.292 responden. Tahapan penelitian meliputi EDA, preprocessing, labeling, feature selection, data splitting, hyperparameter, dan evaluasi model. No Sampling sebagai strategi sampling untuk menangani imbalanced data dengan parameter class_weight=’balance’. Pada perbandingan model dengan hyperparameter optimal, XGBoost unggul dengan (accuracy, precision, recall, dan F1-Score mencapai 0.993 serta nilai F1-Macro 0.944) dibandingkan Random Forest (accuracy, recall, dan F1-Score sebesar 0.98, precision 0.981, dan F1-Macro 0.916), sedangkan Decision Tree sebagai pembanding tambahan (accuracy, precision, recall, dan F1-Score mencapai 0.973 serta nilai F1-Macro 0.843).

URI
https://repo.itera.ac.id/depan/submission/SB2605110012

Keyword
PHQ-9 Klasifikasi Tingkat Keparahan Depresi Random Forest XGBoost Machine Learning