Dalam upaya meminimalisir penyebaran virus COVID-19, pemerintah di berbagai negara memberlakukan berbagai kebijakan untuk membatasi mobilitas masyarakat yang berdampak pada berbagai aspek, salah satunya aspek psikologis. Banyak orang yang merasa kesepian, gelisah, dan tertekan karena situasi sulit dan tidak pasti akibat pandemi COVID-19 sehingga mengakibatkan terganggunya kesejahteraan mental dan meningkatnya tingkat stres masyarakat. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang dapat menjelaskan tingkat stres masyarakat selama pandemi COVID- 19. Data yang digunakan pada penelitian ini merupakan data survei terkait dampak psikologis dan sosial yang ditimbulkan akibat kondisi pandemi COVID-19 pada masyarakat dari berbagai negara di dunia yang diperoleh dari survei global COVIDiSTRESS. Survei ini diselenggarakan mulai dari 30 Maret hingga 30 Mei 2020 dengan total responden sebanyak 173.426 responden dari 179 negara yang berbeda. Data yang digunakan memiliki permasalahan missing value yang ditangani secara khusus dengan menggunakan metode imputasi Predictive Mean Matching (PMM). Setelah seluruh missing value pada data berhasil ditangani, dilakukan analisis faktor- faktor yang menjelaskan tingkat stres selama pandemi COVID-19 menggunakan metode Partial Least Square (PLS). Dari penelitian ini, diperoleh bahwa metode imputasi PMM memiliki performa yang baik dalam menangani permasalahan missing value pada data survei global COVIDiSTRESS yang selanjutnya dianalisis dengan model PLS. Selain itu, berdasarkan hasil nilai signifikansi path coefficient dari model diperoleh bahwa seluruh variabel prediktor yang terlibat dalam penelitian ini merupakan faktor yang signifikan dalam menjelaskan tingkat stres masyarakat dari berbagai negara di dunia selama menghadapi pandemi COVID-19. Melalui nilai path coefficient dari model, arah hubungan yang terbentuk antara tingkat stres masyarakat selama pandemi COVID-19 dengan faktor-faktor yang dapat menjelaskannya juga teridentifikasi pada penelitian ini.

---

In an effort to minimize the spread of COVID-19 virus, governments in various countries have implemented various policies to restrict public mobility which has had an impact on various aspects, including psychological well-being. Many people feel lonely, anxious, and depressed because of the difficult and uncertain situation due to the COVID-19 pandemic, which has disrupted mental well-being and increased stress levels in society. This study aims to identify factors that can explain the level of stress in society during the COVID-19 pandemic. The data used in this study is survey data related to the psychological and social impacts caused by the COVID-19 pandemic conditions on people from various countries in the world obtained from the COVIDiSTRESS global survey. This survey was conducted from 30 March to 30 May 2020 with a total of 173.426 respondents from 179 different countries. The data used has a missing value problem which is handled specifically by using the Predictive Mean Matching (PMM) imputation method. After all the missing values in the data have been successfully handled, analysis of factors that explain the stress level during the COVID- 19 pandemic is carried out using the Partial Least Square (PLS) method. From this study, it was found that the PMM imputation method had good performance in dealing with missing value problem in the COVIDiSTRESS global survey data which was then analyzed using the PLS model. Furthermore, based on the significance values of the path coefficients obtained from the model, it was found that all predictor variables involved in this study were significant factors in explaining the level of stress in society from various countries worldwide during the COVID-19 pandemic. Through the path coefficients of the model, the direction of the relationships formed between the level of stress in society and the factors that can explain it were also identified in this research.