Analisis Musik Terhadap Kesehatan Mental Menggunakan Teknik Classification

  • Johanes Fernandes Andry Universitas Bunda Mulia http://orcid.org/0000-0003-0860-8953
  • Wandy Wandy Universitas Sampoerna
  • Francka Sakti Lee Universitas Bunda Mulia
  • Honni Universitas Bunda Mulia
Keywords: Musik, Mental Health, RapidMiner, Data Mining, Big Data

Abstract

Musik memiliki kekuatan dan mendapat tempat di tengah pemikiran masyarakat dalam banyak hal. Ini memiliki efek kehidupan pada setiap makhluk, mulai dari manusia hingga tumbuhan, bunga, burung, hewan dan lain-lain. Musik memiliki peran yang sangat penting dalam mendukung kesehatan mental karena dapat memengaruhi suasana hati, emosi, dan kondisi psikologis seseorang. alasan mengapa musik relevan dalam konteks kesehatan mental yaitu sebagai media ekspresi emosi, mengurangi stres dan Kecemasan. Dalam konteks analisis musik terhadap kesehatan mental, teknik classification dapat digunakan untuk mengelompokkan jenis musik berdasarkan efek psikologisnya pada individu. Penelitian ini bertujuan untuk memahami hubungan antara musik dan dampaknya terhadap kesehatan mental, serta mengembangkan metode berbasis teknik classification untuk mengidentifikasi jenis musik yang dapat memberikan manfaat psikologis tertentu. Untuk mempelajari kecenderungan genre musik yang sering didengarkan dan efeknya terhadap kesehatan mental seseorang bersumber big data dari kaggle.com mengenai Musik dan Mental Health Survey Results yang akan di olah menggunakan aplikasi RapidMiner dengan teknik Klasifikasi yang merupakan bagian dari data mining. Hasil penelitian dengan metode klasifikasi menunjukkan menunjukkan keandalan dalam merekomendasikan musik yang sesuai dengan kebutuhan emosional pengguna. Implikasinya adalah meningkatkan pemahaman masyarakat tentang peran musik dalam mendukung kesehatan mental, sehingga musik dapat dimanfaatkan sebagai alat non-farmakologis dalam kehidupan sehari-hari.

Author Biographies

Johanes Fernandes Andry, Universitas Bunda Mulia

Sistem Informasi

Wandy Wandy, Universitas Sampoerna

Sistem Informasi

Honni, Universitas Bunda Mulia

Sistem Informasi

References

Andry, J. F., Sibarani, R., & Yefta, V. N. (2023). Analysis of Big Data Football Club Market Value Using K-Means and Linear Regression Mining Methods. Journal of Computer Science, vol. 19, no. 2, pp. 286-294, 2023, https://doi: 10.3844/jcssp.2023.286.294.

Chauhan, T., Rawat, S., Malik, S., & Singh, P. (2021). Supervised and unsupervised machine learning based review on diabetes care. In 2021 7th International Conference on Advanced Computing and Communication Systems (ICACCS), Vol. 1, pp. 581-585. IEEE. https://doi.org/10.1109/ICACCS51430.2021.9442021

Chen, Q. (2023). Mental Health as a Mediator of the Transformational Leadership to Better Performance. Journal of Education, Humanities and Social Sciences. [Online]. Available: https://doi.org/10.54097/ehss.v8i.4660

De-Witte, M., Pinho, A. D. S., Stams, G. J., Moonen, X., Bos, A. E., & van Hooren, S. (2022). Music therapy for stress reduction: a systematic review and meta-analysis. Health Psychology Review, 16(1), 134-159. https://doi.org/10.1080/17437199.2020.1846580

Geasela, Y. M., Bernanda, D. Y., Andry, J. F., . Jusuf, C. K., Winata, S., Lydia, & Everlin, S. (2024). Analysis of Student Mental Health Dataset Using Mining Techniques," Journal of Computer Science, vol. 20, no. 1, pp. 121-128, 2024, https://doi: 10.3844/jcssp.2024.121.128.

Hou, J. (2022). Effective Ways for College Students’ Mental Health Education Based on Music Therapy. Journal of Healthcare Engineering, Hindawi Limited. [Online]. Available: https://doi.org/10.1155/2022/3031064

Liang, J., Tian, X., & Yang, W. (2021). Application of music therapy in general surgical treatment. BioMed Research International, 2021. https://doi.org/10.1155/2021/6169183

Matziorinis, A. M., & Koelsch, S. (2022). The promise of music therapy for Alzheimer's disease: A review. Annals of the New York Academy of Sciences, 1516(1), 11-17. https://doi.org/10.1111/nyas.14864

Madyatmaja, E. D., Jordan, S. I., & Andry, J. F. (2021). Big Data Analysis Using RapidMiner Studio To Predict Suicide Rate In Several Countries. ICIC Express Letters Part B: Applications, 12(8), 757-764. https://doi.org/10.24507/icicelb.12.08.757

Madyatmadja, E. D., Sembiring, D. J. M.,. Angin, S. M. B. P., Ferdy, D. and Andry, J. F. (2021). Big data in educational institutions using RapidMiner to predict learning effectiveness," Journal of Computer Science, vol. 17, no. 4, pp. 403-413. https://doi: 10.3844/jcssp.2021.403.413

Marandi, R. J. (2021). Supervised or unsupervised learning? Investigating the role of pattern recognition assumptions in the success of binary predictive prescriptions. Neurocomputing, 434, 165-193. https://doi.org/10.1016/j.neucom.2020.12.063

Rebecchini, L. (2021). Music, mental health, and immunity, Brain, Behavior, and Immunity -Health, vol. 18. [Online]. Available: https://doi.org/10.1016/j.bbih.2021.100374

Sanfilippo, K. R. M., Stewart, L., & Glover, V. (2021). How music may support perinatal mental health: an overview. Archives of women's mental health, 24(5), 831-839. https://doi.org/10.1007/s00737-021-01178-5

Schwartz, K. D. (2021). COVID-19 and student well-being: Stress and mental health during return-to-school. Canadian Journal of School Psychology, vol. 36, no. 2, pp. 166-185. 2021. [Online]. Available: https://doi.org/10.1177/08295735211001653

Vidas, D., Larwood, J. L., Nelson, N. L., & Dingle, G. A. (2021). Music listening as a strategy for managing COVID-19 stress in first-year university students. Frontiers in psychology, 12, 647065. https://doi.org/10.3389/fpsyg.2021.647065

Wang, K., Gao, S., & Huang, J. (2022). Learning About Your Mental Health From Your Playlist? Investigating the Correlation Between Music Preference and Mental Health of College Students. Frontiers in Psychology, vol. 13.[Online]. Available: https://doi.org/10.3389/fpsyg.2022.824789

Wang, Q., Zhang, W., & An, S. (2023). A systematic review and meta-analysis of Internet-based self-help interventions for mental health among adolescents and college students,” Internet Interventions. [Online]. Available: https://doi.org/10.1016/j.invent.2023.100690

Published
2025-05-08