ANALISIS DATA DEPRESI MAHASISWA UNTUK REKOMENDASI KEBIJAKAN KESEHATAN MENTA
Keywords:
Depresi Mahasiswa, Kesehatan Mental, Analisis Data, Statistik Deskriptif, Preprocessing DataAbstract
Depresi mahasiswa merupakan masalah kesehatan mental yang signifikan, mempengaruhi kinerja akademik, hubungan sosial, dan kualitas hidup secara keseluruhan. Studi ini menganalisis berbagai faktor yang mempengaruhi depresi pada mahasiswa menggunakan dataset terstruktur. Dataset mencakup informasi tentang tekanan akademik, stres kerja, tantangan finansial, pola tidur, kebiasaan makan, dan riwayat kesehatan mental keluarga. Melalui langkah preprocessing data seperti penanganan nilai hilang, penghapusan duplikasi, normalisasi, dan encoding, data dipersiapkan untuk analisis menyeluruh. Statistik deskriptif diterapkan untuk mengidentifikasi hubungan utama dan pola antar variabel. Temuan ini menekankan pentingnya menangani masalah kesehatan mental dan memberikan rekomendasi berbasis data yang dapat diterapkan oleh institusi pendidikan, keluarga, dan tenaga kesehatan untuk menciptakan lingkungan yang mendukung.
References
https://www.kaggle.com/datasets/hopesb/student-depression-dataset 2024. Student Depression Dataset, Analyzing Mental Health Trends and Predictors Among Students.
R. Husna, Y. Hendra and M.I. Akbar (2019). Comparison Between Apriori and Fp-Growth Algorithms on Inventory Model of Item Availability. J. Ipte. Terap., vol. 14, no. 3, pp. 219–229, 2020, doi: https://doi.org/10.22216/jit.v14i3.100.
Hendra, Y. Sakinah, P. Thoriq, M. (2023). Evaluasi Kinerja Algoritma Apriori Dalam Pengelompokan Data Transaksi Penjualan Untuk Analisis Pola Pembelian. Journal of Student Development Information System (JoSDIS) 3 (2), 220-228.
R. Husna, R. Lestari, and Y. Hendra, “Inventory model of goods availability with apriori algorithm,” J. Phys.: Conf. Ser., vol. 1317, no. 1, p. 012019, Oct. 2019, doi: 10.1088/1742-6596/1317/1/012019.
