Evaluasi Kinerja Fuzzy C-Means dan K-Means dalam Menganalisis Faktor Depresi Mahasiswa

Authors

  • Ahmadyani Universitas Mulawarman
  • Muhammad Ariando Ferdian Universitas Mulawarman
  • Christian Mahatma Bimo Alpindo Universitas Mulawarman
  • Muhammad Asadin Nur Universitas Mulawarman
  • Christian Farrel Argya Putra Universitas Mulawarman
  • Anindita Septiarini Universitas Mulawarman
  • Novianti Puspitasari Universitas Mulawarman

DOI:

https://doi.org/10.30736/jt.v18i2.1689

Keywords:

Fuzzy C-Means, K-Means, Depresi, Klasterisasi, Kesehatan Mental

Abstract

Depresi di kalangan mahasiswa telah menjadi permasalahan kesehatan mental global yang serius dan berdampak signifikan terhadap kinerja akademik serta kesejahteraan secara keseluruhan. Berbagai faktor seperti tekanan akademik, tekanan finansial, pola tidur, kebiasaan makan, dan hubungan sosial berkontribusi terhadap meningkatnya prevalensi gangguan kesehatan mental di lingkungan kampus. Meskipun perhatian terhadap isu ini semakin berkembang, penelitian terdahulu jarang membandingkan pendekatan data mining berbasis klasterisasi secara spesifik dalam konteks depresi mahasiswa di perguruan tinggi Indonesia. Penelitian ini mengevaluasi kinerja algoritma Fuzzy C-Means (FCM) dan K-Means dalam mengelompokkan mahasiswa berdasarkan faktor-faktor yang berkaitan dengan depresi, menggunakan dataset yang mencakup fitur usia, IPK, kepuasan belajar, durasi tidur, pola makan, riwayat keinginan bunuh diri, tekanan keuangan, riwayat penyakit mental keluarga, dan tingkat depresi. Evaluasi kinerja dilakukan menggunakan Silhouette Score, Davies-Bouldin Index (DBI), dan Sum of Squared Errors (SSE). Hasil menunjukkan bahwa K-Means menghasilkan klaster lebih tegas dengan Silhouette Score 0,18 dan DBI 1,89, serta perbedaan skor depresi signifikan antara Cluster 0 (0,79) dan Cluster 1 (0,23). FCM menghasilkan klaster yang lebih tumpang tindih dengan FPC 0,50 dan Silhouette Score 0,15, yang lebih mencerminkan sifat ambigu dari gejala psikologis. Penelitian ini berkontribusi pada pengembangan kerangka deteksi dini berbasis data untuk depresi mahasiswa.

Downloads

Download data is not yet available.

References

Agustina, N., & Prihandoko, P. (2018). Perbandingan Algoritma K-Means dengan Fuzzy C-Means Untuk Clustering Tingkat Kedisiplinan Kinerja Karyawan. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 2(3), 621–626. https://doi.org/10.29207/resti.v2i3.492

Akbar, M. F., Mahmudi, A., & Zahro, H. Z. (2021). K-Means Clustering untuk Pengelompokkan Tingkat Resiko Ibu Hamil. JATI (Jurnal Mahasiswa Teknik Informatika), 5(2), 581–588. https://doi.org/10.36040/jati.v5i2.3772

Cheung, T., Fong, T. K. H., & Bressington, D. (2022). COVID-19 Under the SARS Cloud: Mental Health Nursing During the Pandemic in Hong Kong. Journal of Psychiatric and Mental Health Nursing, 28(2), 115–117. https://doi.org/10.1111/jpm.12639

Dewa, C. S., Trojanowski, L., Joosen, M. C. W., & Bonato, S. (2022). Interventions to Improve Presenteeism in the Workplace: A Systematic Review. Journal of Occupational and Envi-ronmental Medicine, 59(10), 677–691. https://doi.org/10.1097/JOM.0000000000001106

Fakhriza, M. H. (2021). Comparison Of K-Means Method And Fuzzy Clustering Algorithm In Determining Customer Satisfaction Test In Delivery Services. JIKA (Jurnal Informatika), 5(2), 152. https://doi.org/10.31000/jika.v5i2.4511

Firdaus, H. S., Nugraha, A. L., Sasmito, B., & Awaluddin, M. (2021). Perbandingan Metode Fuzzy C-Means dan K-Means untuk Pemetaan Daerah Rawan Kriminalitas di Kota Semarang. Elipsoida: Jurnal Geodesi dan Geomatika, 4(01). https://doi.org/10.14710/elipsoida.2021.9219

Haryadi, D., & Atmaja, D. M. U. (2021). Penerapan Algoritma K-Means Clustering Untuk Penge-lompokan Tingkat Risiko Penyakit Jantung. DES 2021 Journal of Informatics and Com-munications Technology, 3(2), 51–066. https://doi.org/10.52661/j_ict.v3i2

Herijanto, C. K., & Riti, Y. F. (2024). Perbandingan Algoritme K-Means Clustering dan Fuzzy C-Means untuk Penentuan Strategi Promosi Universitas Katolik Darma Cendika. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3931–3937. https://doi.org/10.36040/jati.v8i3.9660

Ibrahim, A. K., Kelly, S. J., Adams, C. E., & Glazebrook, C. (2024). A Systematic Review of Studies of Depression Prevalence in Uni-versity Students. Journal of Psychiatric Re-search, 47(3), 391–400. https://doi.org/10.1016/j.jpsychires.2012.11.015

Kamila, I., Khairunnisa, U., & Mustakim. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, 5(1), 119–125.

Manik, T. G., Rahayu, W. I., & Fathonah, Rd. N. S. (2023). Perbandingan Metode Fuzzy C-Means dan K-Means Clustering pada Data Penggunaan Obat di R.S National Hospital Su-rabaya. JATI (Jurnal Mahasiswa Teknik In-formatika), 7(1), 591–597. https://doi.org/10.36040/jati.v7i1.6430

Mardiani, E., Rahmansyah, N., Kurniati, I., Maton-dang, N., Tesalonika, Z. A., & Romzy, I. (2023). Membandingkan algoritma data min-ing dengan tools Orange untuk social econo-my. Digital Transformation Technology, 3(2).

Nurhakim, B., Septiani, I., Anam, K., & Pratama, D. (2024). Penerapan Algoritma K-Means Clustering dalam Menganalisis Resiko Penyakit Stroke. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 318–322. https://doi.org/10.36040/jati.v8i1.8452

Opeiyemi, S. (2024). Student Depression Dataset. Kaggle.

https://www.kaggle.com/datasets/hopesb/student-depression-dataset

Opeiyemi, S. (2024). Student Depression Dataset.

Kaggle. https://www.kaggle.com/datasets/hopesb/stude nt-depression-dataset

Pramitasari, A. E., & Nataliani, Y. (2021). Perbandingan Clustering Karyawan Berdasarkan Nilai Kinerja dengan Algoritma K-Means dan Fuzzy C-Means. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 8(3), 1119–1132. https://doi.org/10.35957/jatisi.v8i3.957

Puspitasari, N., Lempas, G., Hamdani, Haviluddin, & Septiarini, A. (2023). Perbandingan Algoritma K-Means dan Algoritma K-Medoids Pada Kasus Covid-19 di Indonesia. Building of Informatics, Technology and Sci-ence (BITS), 4(4), 2015–2027. https://doi.org/10.47065/bits.v4i4.2994

Rahakbauw, D., Huwae, V., & Talakua, M. (2022). Implementasi Metode Fuzzy C-Means (FCM) dalam Pengelompokkan Data Klaim Asuransi Kendaraan Bermotor. Jurnal Ilmu Matematika sdan Terapan, 16(1), 71–82.

Rakhmawaty, N., Nasution, Y. N., & Amijaya, F. D. T. (2022). Perbandingan Metode K-Means Dan Metode Fuzzy C-Means (FCM) Pada Analisis Kinerja Pegawai PT. Cemara Khatulistiwa Persada Bontang. EKSPONENSIAL, 13(1), 63. https://doi.org/10.30872/eksponensial.v13i1.886

Refialy, L. P., Maitimu, H., & Pesulima, M. S. (2021). Perbaikan Kinerja Clustering K-Means pada Data Ekonomi Nelayan dengan Perhitungan Sum of Square Error (SSE) dan Optimasi nilai K cluster. Techno.Com, 20(2), 321–329. https://doi.org/10.33633/tc.v20i2.4572

Sumantiawan, D. I., Amaliyah, S., Narulita, S., Kholilurrahman, M., & Suharmanto, A. Y. (2024). Analisis Faktor Status Depresi Kehidupan Mahasiswa Menggunakan Machine Learning. Digital Transformation Technology, 4(1),705–713. https://doi.org/10.47709/digitech.v4i1.4577

Simanjuntak, H. T. A., Silaban, P. E. P., Manurung, J. K. S., & Sormin, V. H. (2023). Klasterisasi berita Bahasa Indonesia dengan menggunakan K-Means dan Word Embedding. Jurnal Teknologi Informasi dan Ilmu Komputer, 10(3), 641–652. (https://doi.org/10.25126/jtiik.2023106468)

Uperiati, A., Bettiza, M., & Puspasari, A. (2021). Perbandingan Metode Fuzzy C-Means dan K-Means dalam Klasifikasi Kelulusan Mahasiswa. Jurnal Sustainable: Jurnal Hasil Penelitian dan Industri Terapan, 9(2), 75–81. https://doi.org/10.31629/sustainable.v9i2.1409

Wahyudi, M., Solikhun, S., & Pujiastuti, L. (2022). Komparasi K-Means Clustering dan K-Medoids Clustering dalam Mengelompokkan Produksi Susu Segar di Indonesia Berdasarkan Nilai DBI. Jurnal Bumigora Information Technology, 4(2), 243–254.

World Health Organization. (2023). Depressive disorder (depression). WHO Fact Sheet. Re-trieved from https://www.who.int/news-room/fact-sheets/detail/depression

Wulandari, L., & Yogantara, B. O. (2022). Algo-rithm Analysis of K-Means and Fuzzy C-Means for Clustering Countries Based on Economy and Health. Faktor Exacta, 15(2). https://doi.org/10.30998/faktorexacta.v15i2.12106

Zhu, J., Xie, Q., Luo, J., & Chen, Z. (2022). Identi-fying Depression Based on Clustering and Machine Learning Methods. Frontiers in Psychiatry, 13, 877195. https://doi.org/10.3389/fpsyt.2022.877195

Downloads

Published

2026-09-29

How to Cite

Ahmadyani, Ariando Ferdian, M., Mahatma Bimo Alpindo, C., Asadin Nur, M., Farrel Argya Putra, C., Septiarini, A., & Puspitasari, N. (2026). Evaluasi Kinerja Fuzzy C-Means dan K-Means dalam Menganalisis Faktor Depresi Mahasiswa. Jurnal Teknika, 18(2), 177–184. https://doi.org/10.30736/jt.v18i2.1689

Issue

Vol. 18 No. 2 (2026): SEPTEMBER

Section

Jurnal teknika

License

Copyright (c) 2026 Ahmadyani Ahmadyani, Muhammad Ariando Ferdian, Christian Mahatma Bimo Alpindo, Muhammad Asadin Nur, Christian Farrel Argya Putra, Anindita Septiarini, Novianti Puspitasari

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:

 

  • Bagikan — salin dan distribusikan ulang materi dalam media atau format apa pun
  • Beradaptasi — me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.

  • Atribusi — Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
  • ShareAlike — Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
  • Tidak ada batasan tambahan — Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.

 

Hak Cipta

Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:

 

Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .

Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.

Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).

 

Jutnal teknika oleh Universitas Islam Lamongan berlisensi Creative Commons Attribution-ShareAlike 4.0 International License.

Berdasarkan karya di https://jurnalteknik.unisla.ac.id/index.php/teknika/index