<![CDATA[Penelitian ini menganalisis dataset hasil data mining dari kaggle.com, dengan tujuan untuk mengidentifikasi pola klaster dan hubungan asosiasi yang berkaitan dengan gangguan kesehatan mental. Dalam proses klasterisasi, nilai optimal untuk jumlah klaster ditemukan pada k = 3 dengan nilai Davies-Bouldin Index (DBI) sebesar 0,470, yang menunjukkan pembagian klaster yang jelas dan terpisah. Sementara itu, dalam analisis asosiasi menggunakan model FP-Growth, ditemukan 20 premis yang menggambarkan hubungan yang berbeda-beda, dengan usia (Age) sebagai faktor yang sering muncul dan berperan signifikan dalam mempengaruhi gangguan kesehatan mental. Berdasarkan metrik evaluasi seperti support, confidence, lift, dan conviction, beberapa nilai yang sering muncul adalah support tertinggi pada 0.742, confidence pada 0.821, dan lift pada 1.064. Selain itu, nilai Laplace dan p-s juga menunjukkan kontribusi penting pada temuan ini. Secara keseluruhan, hasil analisis asosiasi mengindikasikan bahwa usia memiliki pengaruh yang cukup besar terhadap gangguan kesehatan mental, dengan berbagai metrik menunjukkan konsistensi dalam hubungan tersebut. Temuan ini dapat menjadi dasar untuk penelitian lebih lanjut dalam memahami faktor-faktor yang mempengaruhi kesehatan mental berdasarkan karakteristik individu. Kata Kunci: Data Mining, Kesehatan Mental, Asosiasi, Klasterisasi]]>
