Implementasi K-Means Clustering Melalui Pemanfaatan Sampling Kombinasi Pada Pengelompokan Pola Kesehatan Mental Mahasiswa Sains dan Teknologi

Penulis

  • Firda Sari Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya
  • Maharani Kuntari Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya
  • Winda Yati Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya
  • Hani Khaulasari Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya
  • Moh. Hafiyusholeh Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya

DOI:

https://doi.org/10.25077/TEKNOSI.v11i01.2025.9-16

Kata Kunci:

Kesehatan Mental, K-Means Clustering, Mahasiswa, Sampling Kombinasi Stratifikasi, Silhouette Coefficient

Abstrak

Kesehatan mental merupakan aspek kesehatan penting selain kesehatan fisik. Mahasiswa merupakan individu yang berada pada usia remaja akhir sampai dewasa awal yang pada masa ini akan mengalami tekanan secara emosional karena masalah-masalah sosial, akademik, dan personal. Perlu diadakan pengecekan dini pada kesehatan mental mahasiswa seperti asesmen psikologi yang dilakukan untuk pencegahan gangguan mental yang dihadapi mahasiswa sehingga dapat mengurangi angka bunuh diri. Tujuan dari penelitian ini adalah untuk mendapatkan kelompok pola kesehatan mental mahasiswa untuk diidentifikasi pola dan tren dengan algoritma K-Means clustering dan dievaluasi dengan silhouette coefficient untuk memastikan keakuratan dan validitas dari hasil clustering. Data penelitian diperoleh dari pengisian angket mengenai kondisi kesejahteraan psikologis  dan tekanan psikologis  yang maing-masingnya terdiri dari 5 pertanyaan. Penelitian ini memperoleh hasil setelah dikelompokkan menjadi 3 cluster yaitu tertekan (C1), netral/stabil (C2), dan bahagia (C3), pada mahasiswa sistem informasi tidak ada cluster yang dominan karena di setiap cluster memiliki jumlah data yang sama, mahasiswa arsitektur dan matematika dominan mahasiswa yang memiliki kesehatan mental yang tertekan, mahasiswa biologi dominan mahasiswanya memiliki kesehatan mental yang netral. Berdasarkan 4 program studi hasil evaluasi cluster pada program studi system informasi dan matematika memiliki struktur yang lemah, sedangkan pada program studi arsitektur dan biologi memiliki struktur yang sedang.

Referensi

T. Febrianto, L. PH, and N. Indrayati, “Peningkatan Pengetahuan Kader tentang Deteksi Dini Kesehatan Jiwa melalui Pendidikan Kesehatan Jiwa,” J. Penelit. Perawat Prof., vol. 1, no. 1, pp. 33–40, 2019, doi: 10.37287/jppp.v1i1.17.

C. E. Prasetio and T. A. Rahman, “Gangguan Mental Emosional dan Kesepian pada Mahasiswa Baru,” Mediapsi, vol. 5, no. 2, pp. 97–107, 2019, doi: 10.21776/ub.mps.2019.005.02.4.

D. Wahyuni and D. Winarso, “Penerapan Metode Rule Based Reasoning Dalam Sistem Pakar Deteksi Dini Gangguan Kesehatan Mental Pada Mahasiswa,” J. Softw. Eng. Inf. Syst., vol. 2, no. 2, pp. 1–10, 2021, doi: 10.37859/seis.v2i2.3991.

World Health Organization, “Depressive disorder (depression),” 2023.

E. Prayitno, N. Tarigan, W. Sukmawaty, and U. Mauidzoh, “Gangguan Mental Emosional Dan Depresi Pada Remaja,” Kebangkitan Umkm Pascapandemi Covid-19, vol. 2, no. 4, pp. 4787–4794, 2022.

Sulastiana, Mengungkap Ekologi Kejahatan Narkotika. Jakarta Timur: Rayyana Komunikasindo, 2021.

A. Evan Wijaya, E. Asmin, and L. B.E. Saptenno, “Levels of Depression and Anxiety in Productive Age,” J. Ilm. Kesehat. Sandi Husada, vol. 12, no. 1, pp. 150–156, 2023, doi: 10.35816/jiskh.v12i1.916.

W. A. Radiani, “Asesmen Psikologis dan Nilai Budaya Sebagai Landasan Konseling dalam Pengembangan Diri Siswa,” J. Nas. Bimbing. dan Konseling, pp. 66–79, 2022.

D. Firmansyah and Dede, “Teknik Pengambilan Sampel Umum dalam Metodologi Penelitian: Literature Review,” J. Ilm. Pendidik. Holistik, vol. 1, no. 2, pp. 85–114, 2022, doi: 10.55927/jiph.v1i2.937.

Muhammad Nasrul, “Analisis Pemasaran Telur Ayam di Kecamatan Randangan Kabupaten Pohuwato,” Perbal J. Pertan. Berkelanjutan, vol. 10, no. 3, pp. 338–347, 2022, doi: 10.30605/perbal.v10i3.2038.

N. Suriani, Risnita, and M. S. Jailani, “Konsep Populasi dan Sampling Serta Pemilihan Partisipan Ditinjau Dari Penelitian Ilmiah Pendidikan,” J. IHSAN J. Pendidik. Islam, vol. 1, no. 2, pp. 24–36, 2023, doi: 10.61104/ihsan.v1i2.55.

H. Prastiwi, Jeny Pricilia, and Errissya Rasywir, “Implementasi Data Mining Untuk Menentuksn Persediaan Stok Barang Di Mini Market Menggunakan Metode K-Means Clustering,” J. Inform. Dan Rekayasa Komputer(JAKAKOM), vol. 2, no. 1, pp. 141–148, 2022, doi: 10.33998/jakakom.2022.2.1.34.

N. T. Hartanti, “Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional,” J. Nas. Teknol. dan Sist. Inf., vol. 6, no. 2, pp. 82–89, 2020, doi: 10.25077/teknosi.v6i2.2020.82-89.

C. Kamila, M. Adiyatma, G. R. Namang, R. Ramadhan, F. Syah, and D. Redaksi, “Pendidikan Teknik Informatika dan Komputer, Fakultas Teknik,” J. Intech, vol. 2, no. 1, pp. 1–6, 2021.

A. Septianingsih, “Analisis K-Means Clustering Pada Pemetaan Provinsi Indonesia Berdasarkan Indikator Rumah Layak Huni,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 3, no. 1, pp. 224–241, 2022, doi: 10.46306/lb.v3i1.116.

T. Solang and A. Nugroho, “Analisis Kesehatan Mental Mahasiswa Universitas Kristen Satya Wacana Menggunakan Metode Clustering Algoritma K-Means,” J. TEKINKOM, vol. 6, no. 1, pp. 8–15, 2023, doi: 10.37600/tekinkom.v6i1.641.

D. Praseptian M, A. Fadlil, and H. Herman, “Penerapan Clustering K-Means untuk Pengelompokan Tingkat Kepuasan Pengguna Lulusan Perguruan Tinggi,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1693, 2022, doi: 10.30865/mib.v6i3.4191.

A. P. Thenata and M. Suryadi, “Machine Learning Prediction of Anxiety Levels in the Society of Academicians During the Covid-19 Pandemic,” J. Varian, vol. 6, no. 1, pp. 81–88, 2022, doi: 10.30812/varian.v6i1.2149.

Y. A. Rozali, N. W. Sitasari, and A. Lenggogeni, “Meningkatkan Kesehatan Mental Di Masa Pandemic,” J. Pengabdi. Masy. AbdiMas, vol. 7, no. 2, 2021, doi: 10.47007/abd.v7i2.3958.

F. F. A.-F. dan F. Fitriyani, “Implementasi Bimbingan Agama Terhadap Kesehatan Mental dan Fisik Dalam upaya Pencegahan wabah Covid-19,” J. Islam. Agama dan Pendidikan), vol. Volume 15, no. 1, pp. 107–15, 2021.

I. D. Borlea, R. E. Precup, A. B. Borlea, and D. Iercan, “A Unified Form of Fuzzy C-Means and K-Means algorithms and its Partitional Implementation,” Knowledge-Based Syst., vol. 214, p. 106731, 2021, doi: 10.1016/j.knosys.2020.106731.

S. Mullin et al., “Longitudinal K-means Approaches to Clustering and Analyzing EHR Opioid Use Trajectories For Clinical Subtypes,” J. Biomed. Inform., vol. 122, p. 103889, 2021, doi: 10.1016/j.jbi.2021.103889.

E. Umargono, J. E. Suseno, and V. G. S. K., “K-Means Clustering Optimization using the Elbow Method and Early Centroid Determination Based-on Mean and Median,” no. Conrist 2019, pp. 234–240, 2020, doi: 10.5220/0009908402340240.

W. Lu, “Improved K-Means Clustering Algorithm for Big Data Mining under Hadoop Parallel Framework,” J. Grid Comput., vol. 18, no. 2, pp. 239–250, 2020, doi: 10.1007/s10723-019-09503-0.

B. Sowan, T. Hong, A. A. Qerem, M. Alauthman, and Nasim, “Ensembling Validation Indices to Estimate The Optimal Number of Clusters,” Appl. Intell., vol. 53, pp. 9933–9957, doi: 10.1007/s10489-022-03939-w.

D. Hartama and M. Anjelita, “Analysis of Silhouette Coefficient Evaluation with Euclidean Distance in the Clustering Method (Case Study: Number of Public Schools in Indonesia),” J. Mantik, vol. 6, no. 3, pp. 3667–3677, 2022.

A. Lengyel, D. W. Roberts, and Z. Botta-Dukát, “Comparison of Silhouette-Based Reallocation Methods for Vegetation Classification,” J. Veg. Sci., vol. 32, no. 1, 2021, doi: 10.1111/jvs.12984.

H. Sharif Nia et al., “Prevalence of Acute Myocardial Infarction and Changing Meteorological Conditions in Iran: Fuzzy Clustering Approach,” Iran. J. Public Health, vol. 49, no. 5, pp. 923–930, 2020, doi: 10.18502/ijph.v49i5.3210.

J. Wijaya and T. M. A. Januaviani, “Clustering Faktor Stres Pada Mahasiswa Aktif Menggunakan Algoritma K-Means dan K-Modes,” Mutiara Multidiciplinary Sci., vol. 2, no. 2, pp. 907–917, 2024, doi: 10.57185/mutiara.v2i2.137.

Unduhan

Telah diserahkan

11-11-2024

Diterima

01-04-2025

Diterbitkan

30-04-2025

Cara Mengutip

[1]
F. Sari, M. Kuntari, W. Yati, H. Khaulasari, dan M. Hafiyusholeh, “Implementasi K-Means Clustering Melalui Pemanfaatan Sampling Kombinasi Pada Pengelompokan Pola Kesehatan Mental Mahasiswa Sains dan Teknologi”, TEKNOSI, vol. 11, no. 01, hlm. 9–16, Apr 2025.

Terbitan

Bagian

Articles

Artikel Serupa

1 2 3 4 5 6 7 > >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.