<![CDATA[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.]]>
Copyrights © 2025
