Informasi Lainnya
Abstraksi
Permasalahan kesehatan mental di kalangan pekerja terus menjadi perhatian global, terutama akibat tingginya tekanan kerja dan kurangnya keseimbangan antara tuntutan profesional dan kehidupan pribadi. Penelitian ini berfokus pada menganalisis faktor-faktor tertentu yang memengaruhi status diagnosis kesehatan mental pada pekerja industri teknologi dengan memanfaatkan dataset publik OSMI Tech Survey 2016 yang berisi 1.433 responden dan 63 fitur mentah yang mencakup aspek demografis, riwayat kesehatan mental, serta kondisi lingkungan kerja. Model prediktif yang digunakan adalah Light Gradient Boosting Machine (LightGBM), dengan alur penelitian dimulai dari pembersihan dan eksplorasi data, termasuk pemeriksaan integritas untuk mencegah data leakage, kemudian dilanjutkan dengan seleksi fitur berbasis korelasi hingga diperoleh 32 fitur paling relevan. Evaluasi performa menunjukkan bahwa model mampu menghasilkan akurasi sebesar 0,9059 dan AUC sebesar 0,958, menandakan performa prediksi yang sangat baik. Analisis feature importance mengungkap bahwa faktor personal merupakan prediktor paling dominan terhadap diagnosis kesehatan mental, dengan kontribusi tertinggi berasal dari pengalaman mencari bantuan profesional, riwayat gangguan mental, dan tingkat interferensi kerja, sehingga temuan ini menegaskan perlunya pendekatan intervensi kesehatan mental yang lebih personal dan berbasis data dalam lingkungan kerja industri teknologi.<br />
<br />
Kata Kunci: kesehatan mental, pekerja industri teknologi, model prediktif, LightGBM, faktor personal
- CSI2F3 - ANALISA DATA
- CSI2I3 - PEMBELAJARAN MESIN
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
