Klasifikasi kesehatan mental pada imbalanced data menggunakan Random Forest dan SMOTE

INDONESIA:

Kesehatan mental merupakan hal penting yang mempengaruhi kualitas hidup, terutama bagi mahasiswa yang tinggal di lingkungan pesantren yang memiliki tekanan akademik dan sosial. Penelitian ini bertujuan untuk mengklasifikasikan kesehatan mental santri Pondok Pesantren Al-Hikmah Al-Fathimiyyah Kota Malang dalam dua kategori, yaitu normal dan depresi, dengan menerapkan algoritma Random Forest serta mengatasi masalah ketidakseimbangan data menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan diperoleh melalui penyebaran kuesioner dengan 16 indikator gejala psikologis kepada 105 responden. Penelitian dilakukan dalam dua skenario: pertama, penerapan Random Forest pada data seimbang hasil SMOTE, dan kedua, penerapan Random Forest pada data asli yang tidak seimbang. Evaluasi performa model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa penerapan SMOTE meningkatkan performa model secara signifikan dalam mengenali kelas minoritas (normal), tanpa mengabaikan kemampuan klasifikasi terhadap kelas mayoritas (depresi). Model pada skenario pertama memperoleh akurasi sebesar 90,47%, nilai 90,47% juga pada skenario kedua, tetapi dengan distribusi prediksi yang lebih seimbang.

ENGLISH:

Mental health is an important factor that affects quality of life, especially for students living in boarding school environments that have academic and social pressures. This study aims to classify the mental health of students at Pondok Pesantren Al-Hikmah Al-Fathimiyyah in Malang City into two categories: normal and depressed. This is achieved by applying the Random Forest algorithm and addressing data imbalance issues using the Synthetic Minority Over-sampling Technique (SMOTE). The data used were obtained through the distribution of a questionnaire with 16 psychological symptom indicators to 105 respondents. The study was conducted in two scenarios: first, the application of Random Forest on balanced data resulting from SMOTE, and second, the application of Random Forest on the original unbalanced data. Model performance evaluation was conducted using accuracy, precision, recall, and F1-score metrics. The results show that the application of SMOTE significantly improves the model's performance in recognizing the minority class (normal) without compromising its classification ability for the majority class (depression). The model in the first scenario achieved an accuracy of 90.47%, and the same value of 90.47% in the second scenario, but with a more balanced prediction distribution.

ARABIC:

الصحة النفسية هي أمر مهم يؤثر على جودة الحياة، خاصة بالنسبة للطلاب الذين يعيشون في بيئة المعهد التي تتسم بالضغوط الأكاديمية والاجتماعية. تهدف هذه الدراسة إلى تصنيف الصحة العقلية لطلاب المعهد الإسلامية الحكمة الفاطمية في مالانج الى فئتين، هما: طبيعي ومكتئب، وذلك من خلال تطبيق خوارزمية Random Forest ومعالجة مشكلة عدم توازن البيانات باستخدام تقنية (SMOTE) Synthetic Minority Over-sampling Technique. البيانات المستخدمة تم الحصول عليها من خلال توزيع استبيان يحتوي على ۱٦ مؤشرًا للأعراض النفسية على ۱۰۵ مستجيبين. تم إجراء البحث في سيناريوهين: الأول، تطبيق Random Forest على البيانات المتوازنة الناتجة عن SMOTE، والثاني، تطبيق Random Forest على البيانات الأصلية غير المتوازنة. تم تقييم أداء النموذج باستخدام مقاييس الدقة، والضبط، والاسترجاع، و F1-score. أظهرت النتائج أن تطبيق SMOTE يحسن أداء النموذج بشكل ملحوظ في التعرف على الفئة الأقلية (العادية)، دون التغاضي عن قدرة التصنيف على الفئة الأغلبية (الاكتئاب). حقق النموذج في السيناريو الأول دقة بنسبة ۹۰، ٤۷% وبلغت النسبة ۹۰، ٤۷% أيضًا في السيناريو الثاني، ولكن مع توزيع تنبؤات أكثر توازنًا.