Analisa Faktor Stres pada Mahasiswa Menggunakan Algoritma K-Means Clustering
Analysis of Stress Factors in Student Using the K-Means Clustering Algorithm
DOI:
https://doi.org/10.70888/sitedi.v2i4.89Keywords:
Clustering, K-Means, Mahasiswa, Rapid Miner, StresAbstract
Stres merupakan salah satu masalah yang sering dialami mahasiswa akibat berbagai tekanan akademis dan sosial. Penelitian ini bertujuan untuk menganalisis faktor-faktor penyebab stres pada mahasiswa menggunakan algoritma K-Means Clustering. Data yang digunakan mencakup 21 atribut, seperti tingkat kecemasan, kualitas tidur, tekanan darah, riwayat kesehatan mental, dan faktor sosial lainnya. Pengolahan data dilakukan dengan perangkat lunak RapidMiner, yang menghasilkan lima cluster dengan distribusi data yang bervariasi. Cluster 3 memiliki jumlah anggota tertinggi (344), sedangkan Cluster 1 memiliki jumlah terendah (48). Hasil evaluasi menggunakan indeks Davies-Bouldin menunjukkan nilai -1.139, yang mengindikasikan kualitas clustering yang baik dengan pemisahan antarcluster yang jelas dan kekompakan dalam cluster. Analisis lebih lanjut mengungkapkan bahwa cluster dengan karakteristik umum dapat digunakan untuk memahami pola stres secara luas, sedangkan cluster dengan karakteristik unik dapat menjadi fokus intervensi khusus. Penelitian ini memberikan wawasan mendalam yang dapat digunakan oleh institusi pendidikan dalam merancang strategi berbasis data untuk mengelola stres mahasiswa secara efektif.
References
F. Rinawati, D. Jiwa, and A. Dharma Husada Kediri,
“ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI STRES DAN MOTIVASI BELAJAR MAHASISWA,” May.
R. Kurniawan Djoar et al., “FAKTOR-FAKTOR YANG MEMPENGARUHI STRESS AKADEMIK MAHASISWA TINGKAT AKHIR FACTORS INFLUENCING ACADEMIC STRESS AMONG
SENIOR COLLEGE STUDENTS,” Jambura Health and Sport Journal, vol. 6, no. 1, 2024.
M. Saifudin et al., “FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT STRES AKADEMIK PADA MAHASISWA PROGRAM STUDI S1 KEPERAWATAN NON REGULER,” ARTIKEL
PENELITIAN Jurnal Kesehatan, vol. 12, no. 2, 2023, doi: 10.37048/kesehatan.v12i2.267.
T. Amalina, D. Bima, A. Pramana, and B. N. Sari, “Metode K-Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food,” Jurnal Ilmiah Wahana Pendidikan, vol. 8, no. 15, pp. 574–583, 2022, doi: 10.5281/zenodo.7052276.
W. Sudrajat, I. Cholid, and J. Petrus, “Wahyu Sudrajat et al, Penerapan Algoritma K-Means Untuk Pengelompokkan UMKM Menggunakan Rapidminer,” 2022.
B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, “ANALISIS DATA MINING DATA NETFLIX MENGGUNAKAN APLIKASI RAPID
MINER,” JBASE - Journal of Business and Audit Information Systems, vol. 4, no. 1, Apr. 2021, doi: 10.30813/jbase.v4i1.2729.
Y. Ratna Sari, A. Sudewa, D. Ayu Lestari, and T. Ika Jaya, “PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA KEMISKINAN PROVINSI BANTEN MENGGUNAKAN RAPIDMINER,” 2020.
A. Fajrin and A. Maulana, “Penerapan Data Mining Untuk Analisis Pola Pembelian Dengan Algoritma FP- Growth pada Data Penjualan Spare Part Motor,”
M. Benri, H. Metisen, and S. Latipa, “ANALISIS CLUSTERING MENGGUNAKAN METODE K- MEANS DALAM PENGELOMPOKKAN PENJUALAN PRODUK PADA SWALAYAN FADHILA,”
