LUSI DIAH WIRANTI, - (2025) PENERAPAN ALGORITMA K-MEANS UNTUK MENGELOMPOKKAN TINGKAT STRES AKADEMIK PADA MAHASISWA. Building of Informatics, Technology and Science (BITS), 7 (1). pp. 400-409. ISSN 2685-3310

Preview	Text (ARTIKEL) LUSI DIAH WIRANTI - LUSI DIAH WIRANTI TEKNIK INFORMATIKA.pdf - Published Version Download (1MB) | Preview
Preview	Text (SURAT PERNYATAAN PUBLIKASI) SERAH SIMPAN KARYA - LUSI - LUSI DIAH WIRANTI TEKNIK INFORMATIKA.pdf - Published Version Download (284kB) | Preview
Preview	Text (PERSETUJUAN PUBLIKASI REPO) PERSETUJUAN PUBLIKASI - LUSI DIAH - LUSI DIAH WIRANTI TEKNIK INFORMATIKA.pdf - Published Version Download (666kB) | Preview

Abstract

Stres akademik merupakan permasalahan yang sering dialami oleh mahasiswa akibat berbagai tekanan akademik dalam lingkungan pendidikan tinggi. Tekanan-tekanan tersebut mencakup banyaknya tugas yang harus diselesaikan dalam waktu singkat, ekspektasi tinggi dari dosen maupun orang tua, ketidakmampuan dalam mengelola waktu secara efektif, serta persepsi negatif terhadap kemampuan diri sendiri. Apabila stres ini tidak cepat ditangani, dapat berdampak pada penurunan prestasi belajar dan kesehatan mental mahasiswa. Studi ini bertujuan bertujuan untuk mengelompokkaan mahasiswa sesuai dengan tingkat stres akademik mereka melalui penerapan algoritma K-Means. Data penelitian diperoleh dari 507 responden melalui kuesioner Perception of Academic Stress Scale (PASS) yang telah dimodifikasi sesuai dengan konteks penelitian. Data kemudian diproses melalui tahap preprocessing dan transformasi ke dalam bentuk numerik agar dapat dianalisis lebih lanjut. Implementasi algoritma K-Means dilakukan dengan menggunakan bahasa pemrograman Python melalui platform Google Colab. Evaluasi hasil clustering dilakukan dengan menggunakan Davies-Bouldin Index (DBI) dan Silhouette Coefficient. Semakin rendah nilai DBI, semakin baik tingkat kekompakan dan keterpisahan antar cluster, sedangkan Silhouette Coefficient yang lebih tinggi menunjukkan kualitas pemisahan cluster yang lebih optimal. Berdasarkan hasil pengujian, diperoleh jumlah cluster terbaik adalah 2, dengan nilai DBI sebesar 1.43 dan Silhouette Coefficient sebesar 0.27. Namun, hasil tersebut masih belum optimal dikarenakan karakteristik data responden yang berasal dari lima jurusan berbeda di Fakultas Sains dan Teknologi, serta ketidakseimbangan jumlah pengisi kuesioner dari masing-masing angkatan 2021-2023. Cluster 1 sebanyak 229 mahasiswa berada pada kelompok tingkat stres rendah, ditunjukkan oleh skor kuesioner yang cenderung rendah. Sebaliknya, cluster 2 sebanyak 278 mahasiswa dengan tingkat stres tinggi, yang ditandai skor tinggi (rentang 3-5) pada pernyataan favorable.

Actions (login required)

View Item