Prediksi Tingkat Stres Berdasarkan Pola Hidup Menggunakan Machine Learning

Abstract

Abstrak— Stres merupakan kondisi psikologis yang dapat mengakibatkan dampak yang serius terhadap kesehatan mental dan fisik individu. Penelitian ini bertujuan untuk mengembangkan model prediksi tingkat stres berdasarkan pola hidup individu menggunakan pendekatan Machine Learning dengan algoritma Random Forest. Proses pengembangan model meliputi pengumpulan dataset pola hidup individu, preprocessing data, pembagian data, Penyeimbangan data dengan SMOTE serta pelatihan dan evaluasi model Random Forest. Data pada penelitian ini diperoleh melalui kuesioner mencakup variabel-variabel pola hidup seperti kualitas tidur, aktivitas fisik, konsumsi kafein, kebiasaan merokok, dan konsumsi alkohol serta menggunakan hasil dari pengukuruan Skala Perceived Stress Scale (PSS-10) dengan total 204 data. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, menghasilkan akurasi tertinggi 83% dengan menggunakan Random Forest yang diuji menggunakan teknik Stratified K-Fold Cross Validation. Dengan demikian, penelitian ini diharapkan dapat menjadi dasar bagi sistem pendukung keputusan dalam upaya preventif menjaga kesehatan mental melalui perbaikan pola hidup. Namun, model ini belum dapat dijadikan acuan tunggal dalam penentuan diagnosis stres tanpa mempertimbangkan faktor lain serta validasi klinis lebih lanjut.

Kata Kunci—Stres, pola hidup, Machine Learning, Random Forest, PSS-10, prediksi tingkat stres