Clustering Faktor Stres Pada Mahasiswa Aktif Menggunakan Algoritma K-Means dan K-Modes

Abstract

Stres merupakan bagian dari kehidupan manusia yang tidak bisa dihindari. Stres adalah permasalahan kesehatan terbesar yang dialami seluruh kalangan, salah satunya adalah mahasiswa. Stres dipengaruhi dari faktor eksternal maupun internal. Beberapa faktor yang menyebabkan terjadinya stres pada mahasiswa, diantaranya: lingkungan, akademis, finansial, keluarga, pertemanan, percintaan, kesehatan, kepercayaan diri, karir, kegiatan/hobi, dan lain-lain. Menggunakan metode Algoritma K-Means dan K-Modes, faktor-faktor tersebut dapat dibagi menjadi berbagai klaster yang memiliki karakterisik serupa sebagai pemicu terjadinya stres pada mahasiswa. Clustering dilakukan menggunakan bahasa pemrograman R yang menunjukan hasil: Terdapat 3 cluster menggunakan algoritma K-Means, diantaranya: cluster 1 memiliki 103 data (41,036%), cluster 2 memiliki 72 data (28,685%), dan cluster 3 memiliki 76 data (30,279%). Cluster 1 memiliki responden terbanyak dibandingkan dengan cluster lainnya dengan karakteristik responden yang mengalami stres akibat faktor perkuliahan, individual, keluarga, dan finansial. Penelitian ini mendapatkan 4 cluster ketika menggunakan algoritma K-Modes, diantaranya: cluster 1 memiliki 92 data (36,65%), cluster 2 memiliki 59 data (23,51%), dan cluster 3 memiliki 13 data (5,18%), dan cluster 4 memiliki 87 data (34,66%). Cluster 3 memiliki responden tersedikit dibandingkan dengan cluster lainnya dengan karakteristik responden yang mengalami stres dari faktor individual dan sosial.