Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pada awal pandemi COVID-19, keputusan medis pada pasien ditentukan oleh dokter berdasarkan banyak tes medis (misalnya, tes reaksi berantai polimerase, tes suhu, CTScan atau X-ray). Metode transfer learning telah digunakan dalam beberapa penelitian dan berfokus hanya pada satu biomarker (misalnya, hanya CT-Scan atau X-Ray saja) untuk mendiagnosis pneumonia. Dalam studi terbaru, modalitas tunggal memiliki keakuratan klasifikasi sendiri dan setiap biomarker yang berbeda dapat memberikan informasi pelengkap untuk mendiagnosis COVID-19 pneumonia. Tujuan pada penelitian ini adalah membangun model multimodal yaitu dengan menggabungkan dua masukan (input) menjadi satu keluaran (output) pada tahapan pembuatan model. Dua model transfer learning yang berbeda telah digunakan pada masing-masing masukan dengan dataset open-source 2849 gambar CT-Scan dan 2849 gambar X-ray untuk mengklasifikasikan gambar CT-Scan dan gambar X-ray menjadi dua kelas: normal dan COVID-19 pneumonia. Model transfer learning yang digunakan adalah model DenseNet121, model MobileNet, model Xception, model InceptionV3, model ResNet50 dan model VGG16 untuk proses ekstraksi fitur. Alhasil, akurasi klasifikasi terbaik didapatkan sebesar 99,87% saat penggabungan jaringan ResNet50 dan VGG16. Kemudian, akurasi klasifikasi terbaik didapatkan sebesar 98,00% saat menggunakan modalitas tunggal model ResNet50 dengan data CT-Scan dan akurasi klasifikasi sebesar 98,93% untuk model VGG16 dengan data X-Ray. Metode penggabungan multimodal learning menunjukkan akurasi klasifikasi yang lebih baik dibandingkan dengan metode yang menggunakan hanya satu modalitas saja. ......Due to COVID-19 Pandemic, medical decisions on patients were made by doctors based on many medical tests (e.g., polymerase chain reaction test, temperature test, CT-Scan or X-ray). Transfer learning methods have been used in several studies and focus on only one biomarker (eg, CT-Scan or X-Ray only) for diagnosing pneumonia. In recent studies, a single modality has its own classification accuracy and each different biomarker can provide complementary information for diagnosing COVID-19 pneumonia. The purpose of this research is to build a multimodal model by combining two inputs (inputs) into one output (output) at the modeling stage. Two different transfer learning models were used at each input with an open-source dataset of 2849 CT-Scan images and 2849 X-ray images to classify CT-Scan images and X-ray images into two classes: normal and COVID-19 pneumonia. . The transfer learning model used is the DenseNet121 model, the MobileNet model, the Xception model, the InceptionV3 model, the ResNet50 model and the VGG16 model for the feature extraction process. As a result, the best classification accuracy was obtained at 99.87% when merging the ResNet50 and VGG16 networks. Then, the best classification accuracy was obtained at 98.00% when using a single modality ResNet50 model with CT-Scan data and a classification accuracy of 98.93% for the VGG16 model with X-Ray data. The multimodal learning combination method shows better classification accuracy than the method that uses only one modality.

Abstrak :
Protein mempunyai peranan penting sebagai struktur dalam tubuh virus. Protein tersebut saling berinteraksi membentuk jaringan interaksi protein-protein. Jaringan interaksi protein coronavirus mempunyai ribuan protein dan interaksi yang membentuk jaringan interaksi protein yang besar, sehingga diperlukan metode pengelompokan untuk menyederhanakan analisis jaringan tersebut. Pada penelitian ini, algoritma Markov Clustering (MCL) yang dikombinasikan dengan maximum matching dijalankan pada sebuah kerangka kerja multilevel untuk mengelompokkan jaringan interaksi protein coronavirus. Algoritma maximum matching digunakan untuk memperoleh hasil matching yang optimal di fase graph coarsening pada setiap level dan algoritma MCL digunakan untuk mengelompokan jaringan interaksi protein tersebut. Hasil pengelompokan yang paling optimal diperoleh pada parameter penggelembungan dengan level-1. Hasil tersebut dilihat berdasarkan nilai average N-cut yaitu 0,8729. Semakin kecil nilai average N-cut, maka kualitas hasil pengelompokannya semakin baik. Hasil pengelompokan terbaik pada jaringan interaksi protein coronavirus menggunakan ML-MCL dengan maximum matching dihasilkan 21 klaster terpisah dengan 4911 interaksi. Protein yang mempunyai peran penting dapat dilihat dari pusat klaster pada hasil pengelompokan terbaik dan protein-protein tersebut yaitu ZW10, ZYG11A, ZNF771, ZZEF1, ZNF451, ZNF668, YKT6, WDR11, ZNF318, ZYG11B, ZNF428, ZPR1, ZFR, TK2, ZNF746, UBR5, ZNF609, ZZZ3, ZBTB16, XPNPEP3, dan USP7. Waktu yang dibutuhkan pada hasil pengelompokan terbaik yaitu 376,6494 detik. Pada simulasi ini, tidak terdapat protein yang hilang pada seluruh hasil pengelompokan. ......Protein has an essential role as a structure in the body of the virus. These proteins interact to form a network of protein-protein interactions. The protein interaction network of coronavirus has thousands of proteins and interactions that form a large protein interaction network, so that a clustering method is needed to simplify the analysis of the network. In this study, the Markov Clustering (MCL) algorithm was built combined with maximum matching in a multilevel framework to cluster the protein interaction network of coronavirus. The maximum matching algorithm is used to obtain the optimal matching result in the graph coarsening phase at each level, and the MCL algorithm is used to cluster the protein interaction network. The most optimal grouping results were obtained at inflation parameter with level-1. These results are seen based on the average N-cut value, which is 0.8729. The smaller the average N-cut value, the better the quality of the clustering results. The best clustering result of the protein interaction network of coronavirus using ML-MCL with maximum matching resulted in 21 separate clusters with 4911 interactions. Proteins that have an important role can be seen from the center of the cluster of the best clustering result, and these proteins are ZW10, ZYG11A, ZNF771, ZZEF1, ZNF451, ZNF668, YKT6, WDR11, ZNF318, ZYG11B, ZNF428, ZPR1, ZFR, TK2, ZNF746, UBR5, ZNF609, ZZZ3, ZBTB16, XPNPEP3, and USP7. The time required for the best clustering results is 376.6494 seconds. In this simulation, there were no missing proteins in all clustering results.

Abstrak :
Seringkali analisis statistik beranggapan suatu data hanya berasal dari satu populasi saja. Padahal pada kenyataannya terdapat kondisi dimana suatu data bisa dibagi menjadi beberapa sub-populasi. Gaussian Finite Mixture Model adalah salah satu metode untuk memodelkan data heterogen yang memungkinkan berasal dari sub-populasi yang berbeda. Model ini berbentuk superposisi dari beberapa distribusi Gaussian. Jumlah distribusi akan ditentukan dengan menggunakan Akaikes Information Criterion dan model diagnostik. Estimasi parameter pada model ini menggunakan metode Bayesian, yaitu dengan menentukan distribusi prior untuk parameter model, digabungkan dengan likelihood yang akan menghasilkan distribusi posterior. Kemudian, Markov chain Monte Carlo-Gibbs Sampler digunakan untuk menarik sampel pada parameter dari distribusi poteriornya masing-masing. ......Commonly statistical analysis assume data comes from one population. But there are conditions where data might be generated from several sub-populations. Gaussian Finite Mixture Model (GFMM) is one of the methods to model heterogeneous data that might come from different sub-populations. This model was formed as a superposition of several Gaussian distribution, with different location parameter. Number of distributions will be determined using Akaike`s Information Criterion and model diagnostic. Parameter estimation is conducted using Bayesian method, that is by specifying the prior distribution for the models parameters, combined with the likelihood to produce the posterior distribution. Finnally, Markov chain Monte Carlo-Gibbs Sampler is implemented to withdraw sampel of parameters from the corresponding posterior distributions.

Abstrak :
Tindakan anarki sering terjadi pada suporter sepakbola, termasuk di sepakbola Indonesia. Tindakan Anarki dianggap tidak baik dan merugikan berbagai pihak dan bahkan memakan korban. Tindakan anarki sering terjadi pada berbagai kelompok suporter di Indonesia. Melalui ini penelitian, akan terlihat bagaimana perbedaan tingkat suporter anarkis di Klub sepak bola Arema, Persib, Persija dan Persebaya. Pendidikan harus bisa dicapai seseorang berperilaku baik dan tidak bertindak anarki. Dalam penelitian ini, juga akan terlihat apakah pendidikan dapat mempengaruhi level suporter sepakbola anarkis di Indonesia. Untuk mengukur tingkat anarkis, alat pengukur yang telah dimodifikasi ke model Rasch instrumen kuesioner dengan format Likert digunakan. Dengan nonparametrik Kruskal-Wallis Metode, ditemukan bahwa ada perbedaan di tingkat anarki antara suporter klub sepakbola Arema, Persib, Persija, dan Persebaya. Bisa juga dilihat itu tingkat pendidikan mempengaruhi tingkat anarki suporter. Jadi, solusi terbaik untuk mengurangi atau mungkin menghilangkan tindakan anarki di Indonesia adalah untuk meningkatkan pendidikan di Indonesia

---

Acts of anarchy often occur in football supporters, including in Indonesian football. Anarchy's actions are considered bad and detrimental to various parties and even take casualties. Acts of anarchy often occur in various groups of supporters in Indonesia. Through this research, it will be seen how the different levels of anarchist supporters in Arema, Persib, Persija and Persebaya soccer clubs. Education must be attainable for someone to behave well and not act anarchy. In this study, it will also be seen whether education can influence the level of anarchist football supporters in Indonesia. To measure anarchist levels, gauges that have been modified to the Rasch model of a questionnaire instrument with a Likert format are used. With the nonparametric Kruskal-Wallis Method, it was found that there are differences at the level of anarchy between football club supporters Arema, Persib, Persija and Persebaya. It can also be seen that the level of education influences the level of anarchy of supporters. So, the best solution to reduce or possibly eliminate anarchy in Indonesia is to improve education in Indonesia.

Abstrak :
ABSTRAK
Nasionalisme merupakan elemen penting yang perlu dimiliki oleh seluruh rakyat Indonesia. Hal ini perlu dibina sejak remaja sebagai kader masa depan bangsa. Nasionalisme dibentuk oleh enam dimensi, yaitu cinta tanah air, keinginan untuk berpartisipasi dalam pembangunan nasional, keinginan untuk mengejar prestasi, keinginan untuk memanfaatkan ilmu pengetahuan dan teknologi, keinginan untuk menegakkan hukum dan keinginan untuk berpartisipasi dalam kompetisi internasional. Tinggi rendahnya tingkat dimensi nasionalisme pada remaja dapat sangat dipengaruhi oleh faktor keluarga seperti jenis kelamin, pendidikan orang tua, pekerjaan orang tua, status perkawinan orang tua dan waktu bersama orang tua. Penelitian ini merupakan studi kasus yang dilaksanakan di SMAN 3 Tambun Selatan. Pengambilan sampel dilakukan dengan kombinasi stratified sampling dan cluster sampling. Dalam penelitian ini akan dilihat dimensi mana yang mempengaruhi tingkat nasionalisme mahasiswa dan profil mahasiswa yang memiliki dimensi tingkat tinggi berdasarkan faktor keluarga. Metode analisis data yang digunakan adalah metode PLS, K-means Cluster dan CRT. Dari hasil penelitian diketahui bahwa dimensi yang mempengaruhi tingkat nasionalisme adalah rasa cinta tanah air, keinginan untuk berpartisipasi dalam pembangunan, keinginan untuk mengejar prestasi dan keinginan untuk mengikuti kompetisi internasional. Faktor keluarga yang mempengaruhi cinta tanah air adalah pendidikan terakhir ayah dan ibu. Faktor keluarga yang mempengaruhi keinginan untuk terlibat dalam pembangunan adalah jenis kelamin, pekerjaan ayah dan ibu. Faktor keluarga yang mempengaruhi keinginan mengejar prestasi adalah pekerjaan ibu. Faktor keluarga yang mempengaruhi keinginan untuk memasuki kompetisi internasional adalah pekerjaan ayah.
ABSTRACT
Nationalism is an important element that all Indonesian people need to have. This needs to be nurtured from adolescence as a cadre for the future of the nation. Nationalism is formed by six dimensions, namely the love of the country, the desire to participate in national development, the desire to pursue achievements, the desire to take advantage of science and technology, the desire to enforce the law and the desire to participate in international competitions. The level of nationalism dimension in adolescents can be greatly influenced by family factors such as gender, parental education, parental work, parental marital status and time with parents. This research is a case study conducted at SMAN 3 Tambun Selatan. Sampling was done by a combination of stratified sampling and cluster sampling. In this study, it will be seen which dimensions affect the level of student nationalism and the profile of students who have high-level dimensions based on family factors. The data analysis methods used are PLS, K-means Cluster and CRT methods. From the research results, it is known that the dimensions that influence the level of nationalism are the love of the country, the desire to participate in development, the desire to pursue achievements and the desire to participate in international competitions. The family factor that affects the love of the motherland is the last education of the father and mother. Family factors that influence the desire to be involved in development are gender, father's and mother's occupation. The family factor that affects the desire to pursue achievement is the mother's job. The family factor that influences the desire to enter international competition is the job of the father.

Abstrak :
Sepak bola adalah salah satu jenis olahraga yang banyak digemari di kalangan masyarakat Indonesia. Tim sepakbola biasanya memiliki klub pendukung. Perilaku pendukung dalam mendukung klub mereka memiliki tindakan yang berbeda, mulai dari menciptakan kebersamaan, solidaritas, menciptakan keresahan, dan bahkan anarki. Faktor-faktor yang dapat menyebabkan anarkis pendukung adalah tingkat fanatisme dan solidaritas pendukung. Penelitian ini bertujuan untuk menganalisis model fanatisme dan solidaritas pada tingkat anarkisme terhadap para pendukung sepakbola di Indonesia. Elemen sampel dari populasi adalah pendukung di Indonesia terutama pendukung dari Persija, Persib, Arema, dan Persebaya. Jumlah sampel adalah 1457 responden. Teknik pengambilan sampel menggunakan purposive sampling. Pengukuran tingkat fanatisme, solidaritas, dan anarkisme dibangun menggunakan kuesioner. Metode analisis data menggunakan SEM yang digunakan untuk mengetahui model hubungan tingkat fanatisme dan solidaritas terhadap anarkisme di setiap klub. Analisis data menemukan bahwa model di setiap klub berbeda satu sama lain.

---

Football is a type of sport that is popular among Indonesian people. Football teams usually have a support club. Supporting behavior in supporting their clubs has different actions, ranging from creating togetherness, solidarity, creating anxiety, and even anarchy. Factors that can cause supporting anarchists are the level of fanaticism and supporting solidarity. This study aims to analyze the model of fanaticism and solidarity at the level of anarchism towards supporters of football in Indonesia. The sample element of the population is supporters in Indonesia, especially supporters of Persija, Persib, Arema, and Persebaya. The number of samples was 1457 respondents. The sampling technique uses purposive sampling. Measurement of the level of fanaticism, solidarity, and anarchism was built using a questionnaire. The data analysis method uses SEM which is used to determine the relationship model of the level of fanaticism and solidarity with anarchism in each club. Analysis of the data found that the models in each club differ from each other.

Abstrak :
Distribusi Weibull-Poisson merupakan distribusi kontinu yang dapat memodelkan beberapa macam bentuk hazard yaitu monoton naik, monoton turun dan increasing upside-down bathtub shape yang mempunyai bentuk bathtub shape terbalik dan monoton naik. Distribusi ini merupakan suatu distribusi lifetime yang dapat memodelkan kegagalan dalam suatu sistem seri dan merupakan pengembangan dari distribusi EksponensialPoisson. Distribusi ini diperoleh dengan melakukan metode compounding terhadap distribusi Weibull dan distribusi ZT-Poisson. Untuk mendapatkan bentuk akhir dari distribusi tersebut digunakan beberapa sifat matematis seperti order statistik dan ekspansi deret taylor. Selain pembentukan distribusi Weibull-Poisson, skripsi ini menjelaskan fungsi kepadatan peluang, fungsi distribusi, momen ke-r, momen sentral ke-r, mean, dan variansi. Sebagai ilustrasi, dibahas pula aplikasi distribusi Weibull-Poisson pada data survival marmut setelah terinfeksi virus Turblece Bacilli. ......The Weibull-Poisson distribution is a continuous distribution that can be modeled various forms of hazard namely monotone up, monotone down and upside-down down bathtub shape which is shaped up. This distribution is a lifetime-distribution that can model failures in a series system and is development of the Exponential-Poisson distribution. This distribution is obtained by perform the compounding method on the Weibull distribution and the ZT-Poisson distribution. To obtain the final form of the distribution, several mathematical properties are used such as statistical order and Taylor's number expansion. In addition to the formation of Weibull-Poisson distribution, this thesis includes the probability density function, distribution function, moment rth, rth central moment, mean, and variance. As an illustration, Weibull-Poisson distribution is applied on guinea pig survival data after being infected with Turblece virus Bacilli.

Abstrak :
Beberapa tahun terakhir, masyarakat dihadapakan oleh kondisi pandemi COVID-19 yang sedang melanda dunia. Kondisi ini mengganggu seluruh aktivitas di berbagai sektor tak terkecuali sektor informal, seperti ojek online. Hal ini dipicu oleh kebijakan-kebijakan pemerintah yang menyebabkan terbatasnya pergerakan ekonomi masyarakat tak terkecuali pada sektor informal seperti ojek online. Dengan adanya kebijakan tersebut mengakibatkan menurunnya penghasilan pengemudi ojek online. Hal ini menggambarkan bagaimana tertekananya pengemudi ojek online, dimana kondisi ini dapat memicu terjadinya stres. Stres merupakan gangguan kesehatan mental yang sangat berbahaya karena dapat mengganggu produktivitas, fisik dan psikologis. Pada skripsi ini akan dicari faktor-faktor yang signifikan memengaruhi tingkat stres pada pengemudi ojek online di DKI Jakarta dan untuk mengetahui profil pengemudi ojek online yang mempunyai tingkat stres tinggi berdasarkan faktor-faktor yang signifikan. Faktor yang digunakan dalam penelitian ini yaitu dukungan sosial, religiusitas, kepuasan kerja, umur, status nikah, jumlah tanggungan, masa kerja, lama kerja dan pendapatan. Metode yang digunakan dalam penyelesaian masalah penelitian ini yaitu metode Partial Least Square (PLS) dan metode Classification and Regression Tree (CART). Data yang digunakan adalah data primer sebanyak 271 pengemudi ojek online di DKI Jakarta yang diambil menggunakan purposive sampling. Hasil penelitian menunjukkan dukungan sosial, kepuasan kerja, lama kerja, dan masa kerja berpengaruh secara signifikan terhadap tingkat stres. Selain itu, diperoleh pula bahwa profil pengemudi ojek online yang memiliki tingkat stres tinggi yaitu pengemudi dengan tingkat kepuasan kerja rendah, memiliki lama waktu bekerja >8 jam/hari, serta memiliki dukungan sosial rendah dan juga pengemudi dengan tingkat kepuasan kerja rendah, memiliki lama kerja > 8 jam/hari, memiliki dukungan sosial tinggi, serta memiliki masa kerja > 2 tahun ......In recent years, society has been faced with the COVID-19 pandemic that is sweeping the world. As a result of this condition, it disrupts all activities in various sectors, including the informal sector, such as online motorcycle taxis. This is triggered by government policies that limit the economic movement of the community, including the informal sector such as ojek online. This is the pressure experienced by ojek online which can trigger stress. Stress is a mental health disorder that is very dangerous because it can interfere with productivity, physically and psychologically. In this research, the researcher wants to know the factors that significantly affect the stress level of online in DKI Jakarta and to find out the profile of ojek online who have high stress levels based on significant factors. The factors used in this research are social support, religiosity, job satisfaction, age, marital status, number of dependents, years of service, length of work and income. The methods used in solving this research problem are Partial Least Square (PLS) method and Classification and Regression Tree (CART) method. The data that are used in this research is primary data as many as 271 ojek online in DKI Jakarta taken using purposive sampling. The results showed that social support, job satisfaction, length of work, and year of service had a significant effect on stress levels. In addition, it was also found that the profiles of online who have high stress levels are drivers with low levels of job satisfaction, have a long working time of > 8 hours/day, and have low social support and are also drivers with a low level of job satisfaction, have long working hours/day, have high social support, and have a year of service > 2 years

Abstrak :
Pandemi Covid-19 mengakibatkan adanya perubahan pada gaya hidup masyarakat. Aktivitas-aktivitas yang biasanya dilakukan secara offline berubah menjadi online. Hal ini memberikan dampak negatif terhadap tubuh seperti badan menjadi tidak fit, imun tubuh turun, dan lainnya. Maka dari itu, masyarakat termasuk mahasiswa dihimbau untuk tetap menjaga kesehatan mereka salah satunya dengan berolahraga secara rutin. Sehingga seeorang harus memiliki motivasi olahraga yang baik. Tujuan dari penelitian ini, yaitu: (1) menganalisis variabel-variabel yang memengaruhi tingkat motivasi olahraga pada mahasiswa Universitas Indonesia; (2) menganalisis pengaruh social support terhadap hubungan physical self-concept dengan motivasi olahraga; (3) menganalisis pengaruh kecemasan terhadap Covid-19 terhadap hubungan health consciousness dengan motivasi olahraga, yang dilakukan dengan menggunakan metode Partial Least Square (PLS). Data yang digunakan merupakan data primer yang diambil dengan menggunakan metode purposive sampling sejumlah 876 mahasiswa S1 Universitas Indonesia angkatan 2018, 2019, 2020, dan 2021 tahun ajar 2021/2022 dengan status akademis aktif yang bersedia mengisi kuesioner. Hasil penelitian menunjukkan bahwa variabel jenis kelamin, ketersediaan fasilitas olahraga, health consciousness, dan physical self-concept mempengaruhi motivasi olahraga pada mahasiswa Universitas Indonesia. Social support merupakan variabel prediktor moderasi antara physical self-concept dengan motivasi olahraga. Selain itu, kecemasan terhadap Covid-19 merupakan variabel prediktor moderasi antara health consicousness dengan motivasi olahraga. ......COVID-19 pandemic has changed people's lifestyles. Activities that are usually done offline turn into online. This has negative impact on the body such as the body becomes unfit, the body's immune system decreases, and so on. Therefore, the public, including students, are encouraged to maintain their health by exercising regularly. So, a person must have good exercise motivation. The aims of this study are to analyze the variables that affect the level of sports motivation in University of Indonesia students, to analyze the effect of anxiety on Covid-19 on the relationship between health consciousness and sports motivation, and to analyze the effect of social support on the relationship of physical self-concept to sports motivation by using the Partial Least Square (PLS) method. The data used is primary data taken using purposive sampling with a total of 876 undergraduate students at the University of Indonesia. The results showed that gender, availability of sports facilities, health consciousness, and physical self-concept have significant effect on sports motivation. Social support only acts as a moderating predictor variable between physical self-concept and sports motivation. In addition, it was found that anxiety about Covid-19 only acts as moderating predictor variable between health consciousness and exercise motivation.

Abstrak :

Mahasiswa diharapkan mampu menjadi sumber daya manusia berkualitas dalam bidang pendidikan. Demi terwujudnya harapan tersebut, mahasiswa dituntut untuk berpartisipasi dalam berbagai kegiatan akademis maupun non-akademis. Dalam hal ini banyak mahasiswa merasa stres. Stres akademik yang dialami juga bervariasi, mulai dari stres akademik rendah, sedang, maupun tinggi. Dalam upaya menurunkan stres akademik pada mahasiswa, perlu diketahui variabel-variabel yang signifikan menjelaskan stres akademik pada mahasiswa. Terdapat variabel-variabel demografi,  internal maupun eksternal seperti gender, self-efficacy, hardiness, prokrastinasi akademik, kecemasan terhadap Covid-19, dukungan sosial teman sebaya, dan dukungan sosial orangtua yang diduga dapat menjelaskan stres akademik pada mahasiswa. Selain itu akan dilihat pola hubungan antara stres akademik dan variabel-variabel yang signifikan. Penelitian ini dilakukan pada masa Covid-19 sehingga terdapat variabel seperti kecemasan terhadap Covid-19. Metode yang digunakan pada penelitian ini adalah metode regresi linear berganda dan analisis korespondensi berganda.  Sampel pada penelitian ini adalah mahasiswa S1 FMIPA Universitas Indonesia dengan jumlah 610 mahasiswa. Sampel diambil menggunakan teknik quota sampling. Hasil penelitian menujukkan bahwa variabel-variabel yang signifikan menjelaskan stres akademik adalah gender, self-efficacy, prokrastinasi akademik, kecemasan terhadap Covid-19, dan dukungan sosial orangtua. Penelitian ini juga menujukkan bahwa mahasiswa dengan stres akademik tinggi diketahui memiliki kebiasaan menunda waktu pengerjaan tugas akademik yang tinggi, tingkat kecemasan terhadap Covid-19 yang tinggi , dan tingkat kepercayaan diri (self-efficacy) yang rendah. Selain itu mahasiswa yang memiliki stres akademik rendah memiliki kebiasaan menunda waktu pengerjaan tugas akademik yang rendah, tingkat kecemasan terhadap Covid-19 yang rendah, tingkat kepercayaan diri (self-efficacy) yang tinggi, dukungan sosial orangtua yang tinggi, dan cenderung dialami oleh gender laki-laki.

---

Students are expected to be able to become quality human resources in the field of education. In order to realize these hopes, students are required to participate in various academic and non-academic activities. In this case, many students feel stressed. The academic stress experienced also varies, ranging from low, medium, or high academic stress. In an effort to reduce academic stress in students, it is necessary to know the variables that significantly explain academic stress in students. There are demographic variables, internal and external such as gender, self-efficacy, hardiness, academic procrastination, anxiety about Covid-19, peer social support, and parental social support which are thought to explain academic stress in students. Apart from that, we will see the pattern of relationship between academic stress and significant variables. This research was conducted during the Covid-19 era so there were variables such as anxiety about Covid-19. The method used in this research is the multiple linear regression method and multiple correspondence analysis. The sample in this research was undergraduate students from the FMIPA University of Indonesia with a total of 610 students. Samples were taken using quota sampling technique. The research results show that the variables that significantly explain academic stress are gender, self-efficacy, academic procrastination, anxiety about Covid-19, and parental social support. This research also shows that students with high academic stress are known to have a habit of delaying work on academic assignments, high levels of anxiety about Covid-19, and low levels of self-confidence. In addition, students who have low levels of academic stress have a habit of delaying the time for doing academic assignments, low levels of anxiety about Covid-19, high levels of self-efficacy, high parental social support, and tend to be experienced by gender man.