Analisis Dan Deteksi Burnout Pada Kalangan Anak Muda Dengan Algoritma Naïve Bayes

Burnout pada anak muda menjadi fenomena yang semakin mengkhawatirkan seiring meningkatnya tekanan akademik, tuntutan pekerjaan, serta intensitas aktivitas digital di era modern. Kondisi ini ditandai oleh kelelahan emosional, depersonalisasi, dan menurunnya pencapaian pribadi yang berdampak langsung pada kesehatan mental dan performa individu. Penelitian ini bertujuan untuk menganalisis tingkat burnout pada kalangan anak muda serta membangun model deteksi otomatis menggunakan algoritma Naïve Bayes. Sebanyak 200 responden berusia 18–30 tahun dilibatkan melalui kuesioner daring berbasis skala Likert, dengan lima variabel utama yaitu Emotional Exhaustion (EE), Depersonalization (DP), Personal Accomplishment (PA), Stres Akademik/Pekerjaan (SA), dan Kualitas Tidur (QT). Proses analisis dilakukan melalui tahapan KDD yang meliputi data cleaning, transformation, data mining, dan evaluation menggunakan metode klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa 55% responden berada pada kategori burnout. Variabel QT Buruk, SA Tinggi, EE Tinggi, DP Tinggi, dan PA Rendah memiliki pengaruh paling signifikan terhadap terbentuknya burnout. Nilai likelihood kelas burnout sebesar 0,08305, jauh lebih tinggi dibandingkan kelas tidak burnout sebesar 0,0000733, sehingga kasus uji diklasifikasikan sebagai burnout. Temuan ini menunjukkan bahwa algoritma Naïve Bayes efektif digunakan sebagai alat deteksi dini burnout pada anak muda serta berpotensi mendukung pengembangan sistem monitoring kesehatan mental.