Perancangan Sistem Klasifikasi Stres Mahasiswa Berbasis Web Menggunakan Algoritma Iterative Dichotomiser 3 pada Implementasi Kurikulum (OBE)

Cyntia Rivatunisa

doi:10.69693/ijmst.v4i3.13355

Authors

Cyntia Rivatunisa Universitas Indonesia Membangun

DOI:

https://doi.org/10.69693/ijmst.v4i3.13355

Keywords:

Stress Akademik, ID3, Pohon Keputusan, Kurikulum OBE, Luaran Non-Tugas, Information Gain

Abstract

Beban akademik yang tinggi merupakan salah satu pemicu utama stres pada mahasiswa, khususnya di perguruan tinggi yang menerapkan kurikulum Outcome-Based Education (OBE), di mana keberhasilan mata kuliah tidak lagi diukur melalui tugas konvensional semata, melainkan menuntut luaran non-tugas seperti keikutsertaan lomba, publikasi ilmiah, atau penyelesaian proyek sebagai syarat kelulusan/penilaian. Tuntutan ini berpotensi menjadi sumber tekanan psikologis tambahan bagi mahasiswa. Penelitian ini bertujuan mengidentifikasi dan mengklasifikasikan level stres mahasiswa dilingkungan kampus Universitas Indonesia Membangun menggunakan algoritma Iterative Dichotomiser 3 (ID3) berbasis pohon keputusan. Data dikumpulkan dari 90 mahasiswa melalui kuesioner yang mencakup 31 atribut, meliputi faktor akademik (tuntutan luaran non-tugas kurikulum OBE, tekanan pencapaian luaran, beban proyek/publikasi), gaya hidup, serta gejala fisik dan emosional, terhadap enam kategori level stres. Perhitungan entropy dan information gain menunjukkan bahwa gejala fisik stres menjadi atribut akar (root node) dengan Gain tertinggi (0,3745), sementara tekanan untuk mencapai luaran non-tugas (Gain=0,3595) dan keberadaan syarat luaran non-tugas dalam kurikulum (Gain=0,2572) turut masuk dalam sepuluh atribut paling berpengaruh mengindikasikan bahwa tuntutan luaran berbasis OBE (lomba, publikasi, proyek) berkontribusi signifikan terhadap tingkat stres mahasiswa. Pohon keputusan yang dihasilkan menghasilkan 63 aturan klasifikasi IF-THEN yang dapat menjadi dasar deteksi dini risiko stres akademik. Temuan ini diharapkan menjadi masukan bagi institusi dalam merancang kebijakan dukungan akademik dan kesejahteraan psikologis mahasiswa di tengah implementasi kurikulum OBE

References

1. Rivaldi, A. A. (2024). Analisis faktor penyebab stres pada mahasiswa dan dampaknya terhadap kesehatan mental. Detector: Jurnal Inovasi Riset Ilmu Kesehatan, 2(4), 11–18. https://doi.org/10.55606/detector.v2i4.4378

2. Sitanggang, Y. B. (2025). Gambaran skor depresi, kecemasan, dan stres menggunakan DASS 42 pada mahasiswa tingkat I di STIKES Santa Elisabeth Medan. Jurnal Kesehatan Tambusai, 6(4), 18008–18016.

3. Nur Anna, A. S., Padad, A. T., & Jauhar, M. (2024). Manajemen depresi berbasis kelompok dukungan sebaya pada mahasiswa kesehatan. Jurnal Inovasi Penelitian dan Pengabdian Masyarakat, 4(1), 91–102. https://doi.org/10.53621/jippmas.v4i1.287

4. Azizah, A., Warsini, S., & Yuliandari, K. (2023). Hubungan stres akademik dengan kecenderungan depresi mahasiswa Ilmu Keperawatan Universitas Gadjah Mada pada masa transisi pandemi COVID-19. Jurnal Keperawatan Klinis dan Komunitas (Clinical and Community Nursing Journal), 7(2), 114–123. https://doi.org/10.22146/jkkk.84827

5. Irvanti, R. N., Khairunnisa, Z., Nurhasanah, & Kosasi, F. I. (2025). Pengaruh beban tugas akademik terhadap tingkat stres mahasiswa Fakultas Dakwah dan Ilmu Komunikasi UIN Syarif Hidayatullah Jakarta. Socius: Jurnal Penelitian Ilmu-Ilmu Sosial, 2(11), 671–676. https://doi.org/10.5281/zenodo.15756165

6. Negara, G. A. J., Pitriani, N. R. V., & Fitriani, L. P. W. (2024). Kurikulum berbasis OBE (Outcome Based Education) dengan nilai-nilai karakter untuk meningkatkan kualitas mutu pendidikan perguruan tinggi. Jurnal Penelitian dan Pengembangan Pendidikan, 8(1), 41–48. https://doi.org/10.23887/jppp.v8i1.68767

7. Gurukkal, R. (2020). Outcome-based education: An open framework. Contemporary Education Dialogue, 17(1), 5–20. https://doi.org/10.1177/2347631119886402

8. Nasution, M. A. P., Munthe, I. R., Irmayani, D., & Juledi, A. P. (2025). Metode KNN dan ID3 untuk klasifikasi data. Penerbit Yayasan Munandar Membangun Indonesia.

9. Hana, F. M. (2023). Penerapan algoritma ID3 decision tree pada klasifikasi penyakit diabetes. Jurnal Dinamika Informatika, 12(2), 1–11

10. Ida, I. (2023). Iterative Dichotomiser Three (ID3) algorithm for classification community of productive and non-productive. Jurnal Teknik Informatika, 16(1), 80–88. https://doi.org/10.15408/jti.v16i1.28938.

11. Daldiri, Z. F., & Fitriati, D. (2023). Comparison of breast cancer classification using the Decision Tree ID3 algorithm and K-Nearest Neighbors algorithm. Jurnal Riset Informatika, 5(2), 177–186. https://doi.org/10.34288/jri.v5i2.406. Artikel ini tercatat sebagai SINTA 4.

12. Hana, F. M. (2023). Penerapan algoritma ID3 Decision Tree pada klasifikasi penyakit diabetes. Jurnal Dinamika Informatika, 12(2), 1–11.

13. Fauziah, E., & Zulfikar, A. F. (2023). Penerapan metode Decision Tree menggunakan algoritma Iterative Dichotomiser 3 (ID3) untuk klasifikasi resiko penyakit jantung. OKTAL: Jurnal Ilmu Komputer dan Sains, 2(4), 1207–1219.

14. Widaningsih, S., Muhamad, W., Hendriyanto, R., & Nugroho, H. (2023). An ID3 Decision Tree algorithm-based model for predicting student performance using comprehensive student selection data at Telkom University. Information Sciences and Engineering, 28(5), 1205–1212. https://doi.org/10.18280/isi.280508.

15. Rudianto, R., Amrin, A., & Irfiani, E. (2024). Analisis algoritma Iterative Dichotomiser 3 (ID3) untuk penilaian kelayakan kredit kendaraan bermotor. IMTechno: Journal of Industrial Management and Technology, 5(2). https://doi.org/10.31294/imtechno.v5i2.3525.

16. Asrianda, Mawengkang, H., Sihombing, P., & Nasution, M. K. M. (2025). Evaluating the impact of model complexity on the accuracy of ID3 and modified ID3: A case study of the Max_Depth parameter. Jurnal Teknik Informatika (Jutif), 6(5). https://doi.org/10.52436/1.jutif.2025.6.5.4864.

17. Penerapan Decision Tree ID3 dalam mengidentifikasi stres mahasiswa Sistem Informasi. (2026). Jurnal Komputer dan Sistem Informasi, 3(1), 9–15. https://doi.org/10.66865/xeg2aj31.