Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Implementasi Algoritma Random Forest Untuk Deteksi Dini Kesehatan Mental Remaja Di Kabupaten Kudus Menggunakan Instrumen Self-Reporting Questionnaire 20

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 13 No. 5 (2026) · hlm. 1097–1104

DOI
10.25126/jtiik.2026135
ISSN
2528-6579, 2355-7699
Terbit
2026-11-02
Penerbit
Fakultas Ilmu Komputer, Universitas Brawijaya
Bahasa
id
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Bahasa Indonesia

Kesehatan mental remaja ialah tantangan global serius, namun kesadaran untuk melakukan skrining dini masih rendah akibat adanya stigma sosial. Studi ini mempunyai tujuan guna menerapkan algoritma Random Forest dalam mendeteksi dini kondisi kesehatan mental kelompok usia remaja akhir sampai dewasa awal (rentang usia 17-28 tahun) di Kabupaten Kudus. Kuantitatif eksperimental diimplmentasikan selaku metode studi ini dengan pendekatan pengembangan sistem. Data primer didapat melewati teknik purposive sampling dengan jumlah sampel sejumlah 500 responden yang dihitung menggunakan rumus Slovin. Skrining dilakukan dengan mengintegrasikan instrumen klinis baku Self-Reporting Questionnaire 20 (SRQ-20) dari WHO, tersusun atas 20 pertanyaan dikotomis. Jawaban responden kemudian ditransformasikan menjadi data biner untuk diklasifikasikan oleh model machine learning ke dalam kategori "Sehat" atau "Terindikasi gangguan mental". Sistem ini diimplementasikan dalam bentuk aplikasi berbasis web memakai bahasa pemrograman Python serta basis data MySQL. Evaluasi kinerja model dilaksanakan memakai Confusion Matrix guna memastikan tingkat presisi, akurasi, dan recall yang optimal. Platform skrining mandiri ini diharapkan dapat mempermudah remaja di Kabupaten Kudus dalam mendapatkan bantuan awal secara cepat, objektif, dan terstandardisasi tanpa rasa ragu. Abstract Adolescent mental health is a serious global challenge, yet public awareness of early screening remains low due to social stigma. This investigation aims to implement the Random Forest algorithm for the early detection of mental health conditions among late adolescents and young adults (aged 17-28 years) in Kudus Regency. The method employed is experimental quantitative research combined with system development approaches. Primary data were gathered through a purposive sampling technique, resulting in 500 respondents determined via the Slovin formula. The screening framework integrates the standardized Self-Reporting Questionnaire 20 (SRQ-20) instrument from WHO, which consists of 20 dichotomous questions. Respondents' answers are transformed into binary format to be processed by the machine learning model into two classes: "Healthy" or "Indication of Mental Disorder". The system is deployed as a web-based application built using the Python programming language and MySQL database. Model performance is evaluated using a Confusion Matrix to guarantee optimal accuracy, precision, and recall metrics. This independent screening platform is expected to provide adolescents in Kudus Regency with rapid, objective, and standardized initial assessments, facilitating early intervention without social hesitation.

Inggris

Kesehatan mental remaja ialah tantangan global serius, namun kesadaran untuk melakukan skrining dini masih rendah akibat adanya stigma sosial. Studi ini mempunyai tujuan guna menerapkan algoritma Random Forest dalam mendeteksi dini kondisi kesehatan mental kelompok usia remaja akhir sampai dewasa awal (rentang usia 17-28 tahun) di Kabupaten Kudus. Kuantitatif eksperimental diimplmentasikan selaku metode studi ini dengan pendekatan pengembangan sistem. Data primer didapat melewati teknik purposive sampling dengan jumlah sampel sejumlah 500 responden yang dihitung menggunakan rumus Slovin. Skrining dilakukan dengan mengintegrasikan instrumen klinis baku Self-Reporting Questionnaire 20 (SRQ-20) dari WHO, tersusun atas 20 pertanyaan dikotomis. Jawaban responden kemudian ditransformasikan menjadi data biner untuk diklasifikasikan oleh model machine learning ke dalam kategori "Sehat" atau "Terindikasi gangguan mental". Sistem ini diimplementasikan dalam bentuk aplikasi berbasis web memakai bahasa pemrograman Python serta basis data MySQL. Evaluasi kinerja model dilaksanakan memakai Confusion Matrix guna memastikan tingkat presisi, akurasi, dan recall yang optimal. Platform skrining mandiri ini diharapkan dapat mempermudah remaja di Kabupaten Kudus dalam mendapatkan bantuan awal secara cepat, objektif, dan terstandardisasi tanpa rasa ragu. Abstract Adolescent mental health is a serious global challenge, yet public awareness of early screening remains low due to social stigma. This investigation aims to implement the Random Forest algorithm for the early detection of mental health conditions among late adolescents and young adults (aged 17-28 years) in Kudus Regency. The method employed is experimental quantitative research combined with system development approaches. Primary data were gathered through a purposive sampling technique, resulting in 500 respondents determined via the Slovin formula. The screening framework integrates the standardized Self-Reporting Questionnaire 20 (SRQ-20) instrument from WHO, which consists of 20 dichotomous questions. Respondents' answers are transformed into binary format to be processed by the machine learning model into two classes: "Healthy" or "Indication of Mental Disorder". The system is deployed as a web-based application built using the Python programming language and MySQL database. Model performance is evaluated using a Confusion Matrix to guarantee optimal accuracy, precision, and recall metrics. This independent screening platform is expected to provide adolescents in Kudus Regency with rapid, objective, and standardized initial assessments, facilitating early intervention without social hesitation.

Kata kunci

Jaringan kolaborasi para penulis

35 penulis · 59 tautan kepenulisan bersama · 13 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Indonesia University of Education
  • State University of Semarang
  • IPB University
  • Universitas Mandala Waluya
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Dadi Mulyadi NugrahaIndonesia University of Education8
Zakia Nurul AeniIndonesia University of Education1
Agrisa Alya FayzaIndonesia University of Education1
Dadi Muyadi NugrahaAfiliasi tidak diketahui1
Ulya Tala HanifaIndonesia University of Education1
Fadlilah Jufany MustikaIndonesia University of Education1
Putri Regina AuliaIndonesia University of Education1
Lia FitriyaniIndonesia University of Education1
Aulia Nuha An'UmillahIndonesia University of Education1
Frila Damayanti HasanaIndonesia University of Education1
Lisnawati LisnawatiUniversitas Mandala Waluya1
Anggito Habimayu AnggitoAfiliasi tidak diketahui1
Muhammad Aulya Augusta QintharaAfiliasi tidak diketahui1
Sheli Putri DeswantiAfiliasi tidak diketahui1
Arifatul Farida FaridaAfiliasi tidak diketahui1
Anirotul QoriahAfiliasi tidak diketahui1
Endang Sri HananiAfiliasi tidak diketahui1
Iqbal Wahyu AshariAfiliasi tidak diketahui1
Mugiyo HartonoState University of Semarang1
Nizar ZulmiState University of Semarang1
hermawan .Afiliasi tidak diketahui1
Endro Puji PurwonoState University of Semarang1
Hermawan Pamot RahardjoState University of Semarang1
Solis SungkowoAfiliasi tidak diketahui1
Cahyo YuwonoState University of Semarang1
Heri SiswantoAfiliasi tidak diketahui1
Uen HartiawanState University of Semarang1
Imam adi PermonoState University of Semarang1
Upik Kesumawati HadiIPB University1
Susi SovianaIPB University1
Virgilius Martin Kelake KedangIPB University1
Yanri Rizky Natanael SimangunsongIPB University1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, pertama di-harvest 8 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Implementasi Algoritma Random Forest Untuk Deteksi Dini Kesehatan Mental Remaja Di Kabupaten Kudus Menggunakan Instrumen Self-Reporting Questionnaire 20</dc:title>
	<dc:title xml:lang="en">Implementasi Algoritma Random Forest Untuk Deteksi Dini Kesehatan Mental Remaja Di Kabupaten Kudus Menggunakan Instrumen Self-Reporting Questionnaire 20</dc:title>
	<dc:creator xml:lang="en">Lestari, Dwi Kusnadia</dc:creator>
	<dc:creator xml:lang="en">Supriyono</dc:creator>
	<dc:creator xml:lang="en">Romadhon, Zainur</dc:creator>
	<dc:creator xml:lang="id">Lestari, Dwi Kusnadia</dc:creator>
	<dc:creator xml:lang="id">Supriyono</dc:creator>
	<dc:creator xml:lang="id">Romadhon, Zainur</dc:creator>
	<dc:subject xml:lang="en">early detection, mental health, random forest, SRQ-20, classification, teenager</dc:subject>
	<dc:subject xml:lang="id">deteksi dini</dc:subject>
	<dc:subject xml:lang="id">kesehatan mental</dc:subject>
	<dc:subject xml:lang="id">random forest</dc:subject>
	<dc:subject xml:lang="id">SRQ-20</dc:subject>
	<dc:subject xml:lang="id">klasifikasi</dc:subject>
	<dc:subject xml:lang="id">remaja</dc:subject>
	<dc:description xml:lang="id">Kesehatan mental remaja ialah tantangan global serius, namun kesadaran untuk melakukan skrining dini masih rendah akibat adanya stigma sosial. Studi ini mempunyai tujuan guna menerapkan algoritma Random Forest dalam mendeteksi dini kondisi kesehatan mental kelompok usia remaja akhir sampai dewasa awal (rentang usia 17-28 tahun) di Kabupaten Kudus. Kuantitatif eksperimental diimplmentasikan selaku metode studi ini dengan pendekatan pengembangan sistem. Data primer didapat melewati teknik purposive sampling dengan jumlah sampel sejumlah 500 responden yang dihitung menggunakan rumus Slovin. Skrining dilakukan dengan mengintegrasikan instrumen klinis baku Self-Reporting Questionnaire 20 (SRQ-20) dari WHO, tersusun atas 20 pertanyaan dikotomis. Jawaban responden kemudian ditransformasikan menjadi data biner untuk diklasifikasikan oleh model machine learning ke dalam kategori "Sehat" atau "Terindikasi gangguan mental". Sistem ini diimplementasikan dalam bentuk aplikasi berbasis web memakai bahasa pemrograman Python serta basis data MySQL. Evaluasi kinerja model dilaksanakan memakai Confusion Matrix guna memastikan tingkat presisi, akurasi, dan recall yang optimal. Platform skrining mandiri ini diharapkan dapat mempermudah remaja di Kabupaten Kudus dalam mendapatkan bantuan awal secara cepat, objektif, dan terstandardisasi tanpa rasa ragu.
 
Abstract
Adolescent mental health is a serious global challenge, yet public awareness of early screening remains low due to social stigma. This investigation aims to implement the Random Forest algorithm for the early detection of mental health conditions among late adolescents and young adults (aged 17-28 years) in Kudus Regency. The method employed is experimental quantitative research combined with system development approaches. Primary data were gathered through a purposive sampling technique, resulting in 500 respondents determined via the Slovin formula. The screening framework integrates the standardized Self-Reporting Questionnaire 20 (SRQ-20) instrument from WHO, which consists of 20 dichotomous questions. Respondents' answers are transformed into binary format to be processed by the machine learning model into two classes: "Healthy" or "Indication of Mental Disorder". The system is deployed as a web-based application built using the Python programming language and MySQL database. Model performance is evaluated using a Confusion Matrix to guarantee optimal accuracy, precision, and recall metrics. This independent screening platform is expected to provide adolescents in Kudus Regency with rapid, objective, and standardized initial assessments, facilitating early intervention without social hesitation.</dc:description>
	<dc:description xml:lang="en">Kesehatan mental remaja ialah tantangan global serius, namun kesadaran untuk melakukan skrining dini masih rendah akibat adanya stigma sosial. Studi ini mempunyai tujuan guna menerapkan algoritma Random Forest dalam mendeteksi dini kondisi kesehatan mental kelompok usia remaja akhir sampai dewasa awal (rentang usia 17-28 tahun) di Kabupaten Kudus. Kuantitatif eksperimental diimplmentasikan selaku metode studi ini dengan pendekatan pengembangan sistem. Data primer didapat melewati teknik purposive sampling dengan jumlah sampel sejumlah 500 responden yang dihitung menggunakan rumus Slovin. Skrining dilakukan dengan mengintegrasikan instrumen klinis baku Self-Reporting Questionnaire 20 (SRQ-20) dari WHO, tersusun atas 20 pertanyaan dikotomis. Jawaban responden kemudian ditransformasikan menjadi data biner untuk diklasifikasikan oleh model machine learning ke dalam kategori "Sehat" atau "Terindikasi gangguan mental". Sistem ini diimplementasikan dalam bentuk aplikasi berbasis web memakai bahasa pemrograman Python serta basis data MySQL. Evaluasi kinerja model dilaksanakan memakai Confusion Matrix guna memastikan tingkat presisi, akurasi, dan recall yang optimal. Platform skrining mandiri ini diharapkan dapat mempermudah remaja di Kabupaten Kudus dalam mendapatkan bantuan awal secara cepat, objektif, dan terstandardisasi tanpa rasa ragu.
 
Abstract
Adolescent mental health is a serious global challenge, yet public awareness of early screening remains low due to social stigma. This investigation aims to implement the Random Forest algorithm for the early detection of mental health conditions among late adolescents and young adults (aged 17-28 years) in Kudus Regency. The method employed is experimental quantitative research combined with system development approaches. Primary data were gathered through a purposive sampling technique, resulting in 500 respondents determined via the Slovin formula. The screening framework integrates the standardized Self-Reporting Questionnaire 20 (SRQ-20) instrument from WHO, which consists of 20 dichotomous questions. Respondents' answers are transformed into binary format to be processed by the machine learning model into two classes: "Healthy" or "Indication of Mental Disorder". The system is deployed as a web-based application built using the Python programming language and MySQL database. Model performance is evaluated using a Confusion Matrix to guarantee optimal accuracy, precision, and recall metrics. This independent screening platform is expected to provide adolescents in Kudus Regency with rapid, objective, and standardized initial assessments, facilitating early intervention without social hesitation.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2026-11-02</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/11731</dc:identifier>
	<dc:identifier>10.25126/jtiik.2026135</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 13 No 5: Oktober 2026; 1097-1104</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 13 No. 5: Oktober 2026; 1097-1104</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.2026135</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/11731/1642</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2026 Dwi Kusnadia Lestari, Supriyono, Zainur Romadhon</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>