ABSTRAK

Peningkatan tren kerja remote membawa dampak terhadap kesejahteraan
mental pekerja, sehingga diperlukan sistem prediksi gangguan kesehatan mental
berbasis data. Penelitian ini bertujuan untuk mengoptimalkan model klasifikasi
dalam mendeteksi pekerja remote yang mengalami gangguan kesehatan mental
menggunakan teknik hyperparameter tuning Optuna. Data yang digunakan
mencakup berbagai faktor demografis, lingkungan kerja, dan gaya hidup pekerja.
Hasil penelitian menunjukkan bahwa model klasifikasi, khususnya Random Forest,
mampu mencapai akurasi 83% dan f1-score yang tinggi, terutama pada kelas positif.
Penerapan hyperparameter tuning meningkatkan performa model dengan akurasi
84% dan f1-score mencapai 0.90. Penelitian ini menunjukkan bahwa model
klasifikasi yang telah dioptimalkan dapat digunakan sebagai alat bantu dalam
mendeteksi potensi gangguan kesehatan mental pekerja remote. Implementasi
model ini di lingkungan kerja dapat membantu perusahaan dalam menyusun
strategi intervensi yang lebih efektif untuk mendukung kesejahteraan pekerjanya.
Kata Kunci: Klasifikasi, Hyperparameter Tuning, Machine Learning, Kesehatan
Mental, Pekerja Remote