Abstract:Abstract: The increasing use of the Maxim ride-hailing application in Manokwari highlights the need to understand the factors influencing user acceptance and satisfaction. However, the growing number of users does not necessarily…
cessarily reflect a high level of technology acceptance and user satisfaction. This study aims to examine the effects of performance expectancy, effort expectancy, facilitating conditions, and habit on behavioral intention, as well as the effect of behavioral intention on user satisfaction among Maxim users in Manokwari. A quantitative approach based on the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) was employed. Data were collected through questionnaires using a purposive sampling technique from 156 valid respondents and analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM) with SmartPLS 4.0. The results show that performance expectancy (β = 0.343, p < 0.001), effort expectancy (β = 0.191, p = 0.002), facilitating conditions (β = 0.142, p = 0.029), and habit (β = 0.359, p < 0.001) positively and significantly influence behavioral intention. Furthermore, behavioral intention positively and significantly affects user satisfaction (β = 0.771, p < 0.001). These findings confirm the applicability of the UTAUT2 model and provide practical insights for Maxim management and application developers to improve service quality and user satisfaction.
Keywords: behavioral intention; effort expectancy; facilitating conditions; habit; performance expectancy; user satisfaction.
Abstrak: Meningkatnya penggunaan aplikasi transportasi daring Maxim di Manokwari mendorong perlunya memahami faktor-faktor yang memengaruhi penerimaan teknologi dan kepuasan pengguna. Namun, peningkatan jumlah pengguna belum tentu mencerminkan tingginya tingkat penerimaan teknologi dan kepuasan pengguna. Penelitian ini bertujuan menganalisis pengaruh performance expectancy, effort expectancy, facilitating conditions, dan habit terhadap behavioral intention, serta pengaruh behavioral intention terhadap user satisfaction pada pengguna aplikasi Maxim di Manokwari. Penelitian ini menggunakan pendekatan kuantitatif berdasarkan model Unified Theory of Acceptance and Use of Technology 2 (UTAUT2). Data dikumpulkan melalui kuesioner menggunakan teknik purposive sampling terhadap 156 responden dan dianalisis menggunakan Partial Least Squares Structural Equation Modeling (PLS-SEM) dengan SmartPLS 4.0. Hasil penelitian menunjukkan bahwa performance expectancy (β = 0,343; p < 0,001), effort expectancy (β = 0,191; p = 0,002), facilitating conditions (β = 0,142; p = 0,029), dan habit (β = 0,359; p < 0,001) berpengaruh positif dan signifikan terhadap behavioral intention. Selanjutnya, behavioral intention berpengaruh positif dan signifikan terhadap user satisfaction (β = 0,771; p < 0,001). Temuan ini menegaskan penerapan model UTAUT2 serta memberikan masukan bagi manajemen Maxim dan pengembang aplikasi untuk meningkatkan kualitas layanan dan kepuasan pengguna.
Kata kunci: behavioral intention; effort expectancy; facilitating conditions; habit; performance expectancy; user satisfaction.
Abstract:Abstract: Man-in-the-Middle (MITM) attacks are a threat that can occur on public wireless networks, including campus Wi-Fi environments. This study aims to analyze MITM attacks on the Wi-Fi network at Universitas ‘Aisyiyah…
iyah Yogyakarta using the National Institute of Standards and Technology (NIST) digital forensics methodology. The study applied the four NIST phases: collection, examination, analysis, and reporting. The digital evidence analyzed included packet capture (PCAP) files, as well as digital traces such as browser history, cookies, and cache data obtained from the victim’s device. The analysis process utilized Wireshark, the SQLite Database Browser, and ChromeCacheView to identify suspicious activity and correlate the discovered digital traces. The results of the study show that the MITM attack was successfully reconstructed through the correlation of digital traces, leading to the identification of ARP spoofing and DNS spoofing originating from a device with the IP address 192.168.200.12 and the MAC address a0:47:d7:73:ef:fb. The correlation of digital traces in the victim’s network and system traffic revealed communication redirection and web access manipulation. This study concludes that the NIST method is capable of reconstructing MITM attacks and identifying digital evidence from activity traces on both the network and the system.
Keywords: ARP spoofing; digital forensics; DNS spoofing; MITM; NIST
Abstrak: Serangan Man-in-the-Middle (MITM) merupakan ancaman yang dapat terjadi pada jaringan nirkabel publik, termasuk lingkungan WiFi kampus. Penelitian ini bertujuan menganalisis serangan MITM pada jaringan WiFi Universitas ‘Aisyiyah Yogyakarta menggunakan metode forensik digital National Institute of Standards and Technology (NIST). Penelitian menerapkan empat tahapan NIST, yaitu collection, examination, analysis, dan reporting. Bukti digital yang dianalisis meliputi file packet capture (PCAP), jejak digital berupa history browser, cookies, dan cache yang diperoleh dari perangkat korban. Proses analisis menggunakan Wireshark, SQLite Database Browser, dan ChromeCacheView untuk mengidentifikasi aktivitas mencurigakan serta mengorelasikan jejak digital yang ditemukan. Hasil penelitian menunjukkan bahwa serangan MITM berhasil direkonstruksi melalui korelasi jejak digital yang mengarah pada identifikasi ARP spoofing dan DNS spoofing dari perangkat dengan alamat IP 192.168.200.12 dan MAC address a0:47:d7:73:ef:fb. Korelasi jejak digital pada lalu lintas jaringan dan sistem korban menunjukkan adanya pengalihan komunikasi serta manipulasi akses web. Penelitian ini menyimpulkan bahwa metode NIST mampu merekonstruksi serangan MITM dan mengidentifikasi bukti digital dari jejak aktivitas pada jaringan maupun sistem.
Kata kunci: ARP spoofing; DNS spoofing; forensik digital; MITM; NIST
Abstract:Abstract: Digital technology has expanded the usage of mobile apps like M-Tix for movie ticket booking. The success of an app depends on its features, user experience, and technical acceptability. The User Experience Questionnaire…
stionnaire (UEQ) and Technology acceptability Model (TAM) will be used to examine how user experience affects technology acceptability and M-Tix application usage in Manokwari Regency. Quantitative methods were used with 149 respondents. SmartPLS 4 was used to analyse data using PLS-SEM. Researchers found that Hedonic Quality positively impacts Perceived Usefulness (β=0.288; p=0.005). Pragmatic Quality significantly impacts Perceived Ease of Use (β=0.651; p<0.001) and Usefulness (β=0.372; p=0.002). Additionally, Perceived Ease of Use (β=0.180; p=0.043) and Usefulness (β=0.453; p<0.001) favourably impact Behavioural Intention. However, Perceived Ease of Use does not substantially impact Perceived Usefulness (β=0.105; p=0.265). These data show that user experience is crucial to technological adoption and M-Tix application usage.
Keywords: m-tix; PLS-SEM; technology acceptance model (TAM); user experience; user experience questionnaire (UEQ).
Abstrak: Teknologi digital telah memperluas penggunaan aplikasi seluler seperti M-Tix untuk pemesanan tiket film. Keberhasilan suatu aplikasi bergantung pada fitur-fiturnya, pengalaman pengguna, dan penerimaan teknis. Kuesioner Pengalaman Pengguna (UEQ) dan Model Penerimaan Teknologi (TAM) akan digunakan untuk meneliti bagaimana pengalaman pengguna memengaruhi penerimaan teknologi dan penggunaan aplikasi M-Tix di Kabupaten Manokwari. Metode kuantitatif digunakan dengan 149 responden. SmartPLS 4 digunakan untuk menganalisis data menggunakan PLS-SEM. Peneliti menemukan bahwa Kualitas Hedonik berdampak positif pada Kegunaan yang Dirasakan (β=0,288; p=0,005). Kualitas Pragmatis berdampak signifikan pada Kemudahan Penggunaan yang Dirasakan (β=0,651; p<0,001) dan Kegunaan (β=0,372; p=0,002). Selain itu, Kemudahan Penggunaan yang Dirasakan (β=0,180; p=0,043) dan Kegunaan (β=0,453; p<0,001) berdampak positif terhadap Niat Perilaku. Namun, Kemudahan Penggunaan yang Dirasakan tidak berdampak signifikan terhadap Kegunaan yang Dirasakan (β=0,105; p=0,265). Data ini menunjukkan bahwa pengalaman pengguna sangat penting untuk adopsi teknologi dan penggunaan aplikasi M-Tix.
Kata kunci: m-tix; PLS-SEM; technology acceptance model (TAM); user experience; user experience questionnaire (UEQ).
Abstract:Abstract: Query performance is a critical factor in managing large-scale databases. One of the most widely used optimization techniques is indexing. This study aims to analyze the impact of indexing on query performance…
in PostgreSQL, compare the effectiveness of B-Tree and Hash indexes, and evaluate their influence on query planner decisions. A quantitative experimental approach was employed using the TPC-H benchmark dataset at scale factors SF0.1, SF1, and SF10. Experiments were conducted using EXPLAIN ANALYZE on exact match, range, and join queries under three conditions: without indexing, with B-Tree indexing, and with Hash indexing. The results demonstrate that indexing significantly improves query performance. For exact match queries on the SF10 dataset, execution time decreased from 93.36 ms without indexing to 0.034 ms using B-Tree and 0.045 ms using Hash indexes. For join queries, execution time was reduced from 857.77 ms to 0.180 ms using B-Tree and 0.079 ms using Hash indexes. B-Tree showed consistent performance across different query types, while Hash achieved the best results for equality-based queries. Furthermore, index usage influenced query planner decisions in selecting more efficient execution strategies. These findings indicate that appropriate index selection can substantially improve data access efficiency in PostgreSQL.
Keywords: b-tree index; hash index; PostgreSQL; query optimization; query planner
Abstrak: Performa query merupakan faktor penting dalam pengelolaan basis data berskala besar. Salah satu teknik optimasi yang umum digunakan adalah indexing. Penelitian ini bertujuan menganalisis pengaruh penggunaan indexing terhadap performa query pada PostgreSQL, membandingkan efektivitas B-Tree dan Hash index, serta mengevaluasi pengaruhnya terhadap keputusan query planner. Penelitian menggunakan metode eksperimen kuantitatif dengan dataset benchmark TPC-H pada skala SF0.1, SF1, dan SF10. Pengujian dilakukan menggunakan EXPLAIN ANALYZE pada exact match query, range query, dan join query dalam kondisi tanpa index, menggunakan B-Tree index, dan Hash index. Hasil penelitian menunjukkan bahwa indexing meningkatkan performa query secara signifikan. Pada exact match query dataset SF10, execution time menurun dari 93,36 ms tanpa index menjadi 0,034 ms menggunakan B-Tree dan 0,045 ms menggunakan Hash index. Pada join query, execution time berkurang dari 857,77 ms menjadi 0,180 ms menggunakan B-Tree dan 0,079 ms menggunakan Hash index. B-Tree menunjukkan performa yang konsisten pada berbagai jenis query, sedangkan Hash index memberikan performa terbaik pada query berbasis equality. Selain itu, penggunaan index memengaruhi keputusan query planner dalam memilih strategi eksekusi yang lebih efisien. Hasil penelitian menunjukkan bahwa pemilihan metode indexing yang tepat dapat meningkatkan efisiensi akses data pada PostgreSQL
Kata kunci: b-tree index; hash index; optimasi query; PostgreSQL; query planner
Abstract:Abstract: The advancement of digital technology has made it easier to create, process, and distribute files—using 317 files from the dataset https://www.kaggle.com/datasets/axon data/selfie-and-official-id-photo-dataset-18k…
t-18k images?select=metadata_image.csv has also introduced new challenges, such as the increasing practice of digital file manipulation that is difficult to detect visually. Therefore, an intelligent digital forensics system that can automatically and accurately detect file authenticity is required. This study aims to develop an intelligent digital forensics system for detecting file manipulation by leveraging metadata analysis and the Random Forest classification method. The methods used include extracting metadata from digital files—such as time information, device details, and processing history—followed by analysis to identify patterns of inconsistency that indicate manipulation. This data is then used as features in the classification process using the Random Forest algorithm to distinguish between original and manipulated files. The results of this study are expected to show that the use of metadata analysis combined with the Random Forest algorithm can improve accuracy in detecting digital file manipulation compared to conventional methods. The resulting system is expected to provide an effective, efficient, and integrated solution to support digital forensic investigations, Based on the test results, the system demonstrated good performance with an accuracy rate of 94%.
Keywords: Digital Forensics;File Manipulation;Metadata Analysis;Random Forest;Classification;Machine Learning
Abstrak:Perkembangan teknologi digital telah meningkatkan kemudahan dalam pembuatan, pengolahan,dan distribusi file sebanyak 317 file, sumber datasets https:// www.kaggle.com/datasets/axondata/selfie-and-official-id-photo-dataset-18k-images?select =metadata_image.csv, namun juga menimbulkan tantangan baru berupa meningkatnya praktik manipulasi file digital yang sulit dideteksi secara kasat mata. Oleh karena itu, diperlukan suatu sistem forensik digital yang cerdas dan mampu mendeteksi keaslian file secara otomatis dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem forensik digital cerdas untuk deteksi manipulasi file dengan memanfaatkan analisis metadata dan metode klasifikasi Random Forest. Metode yang digunakan meliputi proses ekstraksi metadata dari file digital, seperti informasi waktu, perangkat, dan riwayat pengolahan, kemudian dilakukan analisis untuk menemukan pola ketidaksesuaian yang mengindikasikan adanya manipulasi. Selanjutnya, data tersebut digunakan sebagai fitur dalam proses klasifikasi menggunakan algoritma Random Forest untuk membedakan antara file asli dan file yang telah dimanipulasi. Hasil dari penelitian ini diharapkan menunjukkan bahwa penggunaan analisis metadata yang dikombinasikan dengan algoritma Random Forest mampu meningkatkan akurasi dalam mendeteksi manipulasi file digital dibandingkan metode konvensional. Sistem yang dihasilkan dapat memberikan solusi yang efektif, efisien, dan terintegrasi dalam mendukung proses investigasi forensik digital, Berdasarkan hasil pengujian, sistem menunjukkan performa yang baik dengan tingkat akurasi sebesar 94%.
Kata Kunci: Forensik Digital, Manipulasi File, Metadata, Random Forest, Klasifikasi, Machine Learning.
Abstract:Abstract: Toko Zuma faces challenges in optimizing customer relationship management and transaction recording due to conventional manual systems, which hinder real-time loyalty monitoring and sales analysis. This research…
h aims to design a digital Electronic Customer Relationship Management (E-CRM) system as an integrative solution for systematic and centralized management. The design method employs Unified Modeling Language (UML) for requirements analysis, user interface design, and Black-box Testing for validation. Results demonstrate a 100% success rate across all primary modules. The platform features Point Reward, automated transaction management, and live chat for direct interaction. Implementation enables personalized promotional strategies based on accurate data to increase customer retention. In conclusion, the Digital E-CRM system effectively automates business processes, serving as a strategic instrument for transparent and measurable customer relationship management.
Keywords: digital e-crm; relationship management; toko zuma; transaction activities.
Abstrak: Toko Zuma menghadapi kendala dalam optimalisasi manajemen hubungan pelanggan dan pencatatan transaksi karena masih menggunakan sistem manual konvensional. Penelitian ini bertujuan merancang sistem Electronic Customer Relationship Management (E-CRM) digital sebagai solusi integratif untuk pengelolaan basis data dan transaksi secara terpusat. Metode perancangan meliputi analisis kebutuhan menggunakan Unified Modeling Language (UML), desain antarmuka, dan validasi fungsional melalui Black-box Testing. Hasil pengujian menunjukkan tingkat keberhasilan 100% pada seluruh modul utama. Platform ini dilengkapi fitur Point Reward, manajemen transaksi otomatis, dan media interaksi live chat. Implementasi sistem ini memungkinkan strategi promosi personal berdasarkan data akurat untuk meningkatkan retensi pelanggan. Simpulannya, sistem E-CRM digital berhasil mengotomatisasi proses bisnis dan menjadi instrumen strategis dalam manajemen hubungan pelanggan yang transparan dan terukur.
Kata kunci: aktivitas transaksi; digital e-crm; pengelolaan relasi; toko zuma.
Abstract:Abstract: The development of Artificial Intelligence (AI) in education provides significant opportunities for supporting the development of English teaching materials in elementary schools. However, the wide variety of available…
vailable AI tools makes it difficult for teachers to select the most appropriate tools for their instructional needs. This study aims to analyze and generate recommendations for AI utilization using a Decision Support System (DSS) based on the Analytical Hierarchy Process (AHP) and Simple Additive Weighting (SAW) methods. The AHP method is used to determine the weight of criteria based on their importance, while the SAW method is applied to rank alternative AI tools. This study involves teachers at SDN 15 Padang Genting in identifying criteria and evaluating alternatives. The results show that the proposed DSS model is capable of generating appropriate AI tool recommendations based on predefined criteria. This approach contributes to more objective and systematic decision-making in utilizing AI for developing English teaching materials in elementary education.
Keywords: analytical hierarchy proces; artificial intelligence; decision support system; simple additive weighting; teaching materials
Abstrak: Perkembangan Artificial Intelligence (AI) dalam pendidikan memberikan peluang dalam penyusunan bahan ajar Bahasa Inggris di sekolah dasar. Namun, banyaknya pilihan tools AI menyebabkan guru mengalami kesulitan dalam menentukan tools yang paling sesuai dengan kebutuhan pembelajaran. Penelitian ini bertujuan untuk menganalisis dan menghasilkan rekomendasi pemanfaatan AI menggunakan Sistem Pendukung Keputusan (SPK) berbasis metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW). Metode AHP digunakan untuk menentukan bobot kriteria berdasarkan tingkat kepentingannya, sedangkan metode SAW digunakan untuk melakukan perangkingan alternatif tools AI. Penelitian ini melibatkan guru di SDN 15 Padang Genting dalam proses identifikasi kriteria dan penilaian alternatif. Hasil penelitian menunjukkan bahwa model SPK mampu menghasilkan rekomendasi tools AI yang sesuai dengan kebutuhan pengguna berdasarkan kriteria yang telah ditentukan. Pendekatan ini memberikan kontribusi dalam mendukung pengambilan keputusan yang lebih objektif dan sistematis dalam pemanfaatan AI untuk penyusunan bahan ajar Bahasa Inggris di sekolah dasar.
Kata kunci: analisis proses hierarki; bahan ajar; kecerdasan buatan; sistem pendukung keputusan; simple additive weighting.
Abstract:Abstract: The use of QR Codes in academic settings has increased with the digitization of attendance systems, but it has also introduced potential abuse in the form of quishing attacks (QR phishing). Previous studies have…
e mainly focused on user behavior, while forensic analysis of digital artifacts as evidence is still limited. This study aims to conduct a forensic analysis of browser artifacts resulting from interactions with dangerous QR Codes at Aisyiyah University Yogyakarta using the framework of the National Justice Institute (NIJ). Six investigation parameters are defined: domain identification, endpoint identification, identification of supporting resources, visualization of image artifacts, timestamp correlation, and HTML reconstruction. Data is obtained from the Google Chrome profile directory and analyzed using Autopsy, focusing on Web Cache, Browser History, and Cookies artifacts. The results showed that five parameters were successfully identified with an investigation success rate of 83.3%, while HTML reconstruction could not be fully achieved due to cache limitations. These findings show that Web Cache artifacts provide evidentiary value in the forensic investigation of QR Code-based attacks. Future research should focus on improving full-page reconstruction techniques.
Keywords: browser forensics; digital artifacts; NIJ; quishing; Web Cache
Abstrak: Penggunaan Kode QR di lingkungan akademik telah meningkat seiring dengan digitalisasi sistem absensi, tetapi juga menimbulkan potensi penyalahgunaan dalam bentuk serangan phishing (QR phishing). Studi sebelumnya sebagian besar berfokus pada perilaku pengguna, sementara analisis forensik artefak digital sebagai bukti masih terbatas. Studi ini bertujuan untuk melakukan analisis forensik artefak browser yang dihasilkan dari interaksi dengan Kode QR berbahaya di Universitas 'Aisyiyah Yogyakarta menggunakan kerangka kerja Lembaga Kehakiman Nasional (NIJ). Enam parameter investigasi didefinisikan: identifikasi domain, identifikasi titik akhir, identifikasi sumber daya pendukung, visualisasi artefak gambar, korelasi stempel waktu, dan rekonstruksi HTML. Data diperoleh dari direktori profil Google Chrome dan dianalisis menggunakan Autopsy, dengan fokus pada artefak Cache Web, Riwayat Browser, dan Cookie. Hasil menunjukkan bahwa lima parameter berhasil diidentifikasi dengan tingkat keberhasilan investigasi sebesar 83,3%, sementara rekonstruksi HTML tidak dapat sepenuhnya dicapai karena keterbatasan cache. Temuan ini menunjukkan bahwa artefak Cache Web memberikan nilai bukti dalam investigasi forensik serangan berbasis Kode QR. Penelitian selanjutnya harus fokus pada peningkatan teknik rekonstruksi halaman penuh.
Kata kunci: forensik peramban; artefak digital; NIJ; quishing; web cache
Abstract:Abstract: The rapid growth of e-commerce mobile applications has generated large volumes of user reviews, making manual sentiment analysis increasingly impractical. This study aims to compare the effectiveness of three machine…
achine learning algorithms Support Vector Machine (SVM), Random Forest, and Naive Bayes for automated sentiment classification of Indonesian-language mobile application reviews. A dataset of 3,000 user reviews from the RupaRupa application on the Google Play Store was collected and preprocessed through normalization, tokenization, stopword removal, and stemming. TF-IDF vectorization was applied for feature extraction, while the Synthetic Minority Over-sampling Technique (SMOTE) was used to address class imbalance across three sentiment categories: positive, negative, and neutral. The results show that SVM achieved the highest accuracy of 90.02%, while Random Forest obtained the best F1-score of 88.08% when sufficient training data were available. Naive Bayes demonstrated relatively stable performance across varying training data sizes. Furthermore, TF-IDF keyword analysis revealed that negative reviews were primarily associated with delivery issues, technical problems, and pricing concerns. These findings demonstrate the effectiveness of machine learning approaches for sentiment classification and provide practical insights for improving mobile application services.
Keywords: sentiment analysis; machine learning; SMOTE; TF-IDF; text classification
Abstrak: Pertumbuhan pesat aplikasi mobile e-commerce telah menghasilkan volume ulasan pengguna yang sangat besar, sehingga analisis sentimen secara manual menjadi semakin tidak praktis. Penelitian ini bertujuan untuk membandingkan efektivitas tiga algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Naive Bayes dalam melakukan klasifikasi sentimen otomatis terhadap ulasan aplikasi mobile berbahasa Indonesia. Dataset yang digunakan terdiri dari 3.000 ulasan pengguna aplikasi RupaRupa yang dikumpulkan dari Google Play Store. Data kemudian diproses melalui tahapan preprocessing yang meliputi normalisasi, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE) pada tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat akurasi tertinggi sebesar 90,02%, sementara Random Forest memperoleh nilai F1-score terbaik sebesar 88,08% ketika tersedia data pelatihan yang memadai. Naive Bayes menunjukkan performa yang relatif stabil pada berbagai ukuran data pelatihan. Selain itu, analisis kata kunci berbasis TF-IDF mengungkapkan bahwa ulasan negatif terutama berkaitan dengan masalah pengiriman, kendala teknis aplikasi, dan isu harga. Temuan ini menunjukkan bahwa pendekatan machine learning efektif untuk klasifikasi sentimen serta memberikan wawasan yang bermanfaat dalam meningkatkan kualitas layanan aplikasi mobile.
Kata Kunci: analisis sentimen; pembelajaran mesin; SMOTE; TF-IDF; klasifikasi teks.
Abstract:Abstract: Mental health issues, particularly depression among young adult university students, are often detected late due to stigma and reluctance to seek medical consultation. The objective of this study is to develop…
an early screening model employing machine learning techniques, specifically the random forest algorithm, on a dataset of 268 students (aged 17-29 years; consisting of 98 males and 170 females) within a multicultural educational setting. The principal challenges associated with this dataset are class imbalance and the potential for data leakage from clinical scores. This study implements a rigorous feature selection approach that involves the elimination of depression score features and the utilization of the Synthetic Minority Over-sampling Technique (SMOTE) to balance the training data distribution. Furthermore, a Threshold Tuning strategy is employed to prioritize detection sensitivity (Recall). The findings indicate that reducing the decision threshold to an optimal value of 0.25 led to a substantial enhancement in the recall value, increasing it from 36% (baseline) to 77%. A feature importance analysis was conducted, the results of which indicated that Total Social Connectedness (ToSC) is the most dominant predictor. In summary, the present study corroborates the notion that optimizing sensitivity through threshold tuning is of paramount importance for medical screening. Furthermore, social isolation factors emerge as more significant indicators of depression risk than demographic attributes.
Keywords: data mining; depression; imbalanced data; random forest; smote; threshold tuning
Abstrak: Masalah kesehatan mental, khususnya depresi di kalangan mahasiswa dewasa muda, sering terdeteksi terlambat akibat stigma dan enggan mencari konsultasi medis. Tujuan studi ini adalah mengembangkan model skrining dini menggunakan teknik machine learning, khususnya algoritma random forest, pada dataset 268 mahasiswa (usia 17-29 tahun; terdiri dari 98 laki-laki dan 170 perempuan) dalam lingkungan pendidikan multikultural. Tantangan utama yang terkait dengan dataset ini adalah ketidakseimbangan kelas dan potensi kebocoran data dari skor klinis. Studi ini menerapkan pendekatan seleksi fitur yang ketat, yang melibatkan eliminasi fitur skor depresi dan penggunaan Teknik Over-sampling Minoritas Sintetis (SMOTE) untuk menyeimbangkan distribusi data pelatihan. Selain itu, strategi Penyesuaian Ambang Batas diterapkan untuk memprioritaskan sensitivitas deteksi (Recall). Hasil penelitian menunjukkan bahwa mengurangi ambang batas keputusan ke nilai optimal 0,25 menyebabkan peningkatan signifikan dalam nilai recall, dari 36% (dasar) menjadi 77%. Analisis pentingnya fitur dilakukan, hasilnya menunjukkan bahwa Total Social Connectedness (ToSC) adalah prediktor yang paling dominan. Secara ringkas, studi ini membenarkan bahwa mengoptimalkan sensitivitas melalui penyesuaian ambang batas sangat penting untuk skrining medis. Selain itu, faktor isolasi sosial muncul sebagai indikator risiko depresi yang lebih signifikan daripada atribut demografis.
Kata kunci: penambangan data; depresi; data tidak seimbang; hutan acak; smote; penyesuaian ambang batas