OPTIMASI K-MEANS CLUSTERING DENGAN PARTICLE SWARM OPTIMIZATION UNTUK PENGELOMPOKAN DEPRESI BERDASARKAN DASS-42

OPTIMASI K-MEANS CLUSTERING DENGAN PARTICLE SWARM OPTIMIZATION UNTUK PENGELOMPOKAN DEPRESI BERDASARKAN DASS-42

• By Mohamad Abdul Yusuf;
• Skripsi
• 6
• 1-93

Bagi manusia depresi adalah hal yang sangat lekat dengan kehidupan. Walaupun depresi membawa banyak dampak negatif bagi manusia, pada kenyataanya masih banyak diatara kita yang menyepelekan depresi ini. Dampak dari depresi juga diketahui dapat menganggu kinerja seseorang, mengganggu kemampuan bersosialisasi, mempengaruhi kesehatan fisik, hingga menjadi perantara bunuh diri. Penelitian ini diharapkan dapat meningkatkan kesadaran diri terhadap sekitar mengenai masalah depresi di lingkungan masyarakat atau paling tidak di lingkungan orang-orang terdekat kita. Data dari penelitian ini berupa data kualitatif yang didapat dari hasil observasi dengan pengamatan secara langsung dan dengan cara pengumpulan data menggunakan angket kuis berupa kueisoner Google Form yang berupa DASS-42. DASS-42 sendiri adalah seperangkat skala subyektif yang dibentuk untuk mengukur status emosional negatif dari depresi, kecemasan, dan stres. Namun, didalam penelian ini nilai difokuskan hanya kepada nilai depresinya saja. Selanjutnya untuk melihat hasil berupa tingkat depresi, data dimasukan ke dalam model algoritma K-Means Clustering yang dioptimasi dengan Particle Swarm Optimization untuk membuktikan sedekat apa sebenarnya kita dengan depresi ini. Penelitian ini mendapatkan hasil bahwa K-Means yang dioptimasi menggunakan Particle Swarm Optimization mampu meningkatkan kinerja clustering.

• Katakunci K-Means, Particle Swarm Optimization, Machine Learning
• URL https://
• Penerbit ,

REFERENSI

Adi Zayd Bintang, A. M. M., Jember, K., Bintang, A. Z., Mandagi, A. M., Keselamatan, D., Kerja, K., & Masyarakat, K. (2021). Kejadian Depresi Pada Remaja Menurut Dukungan Sosial Di Kabupaten Jember. JOURNAL OF COMMUNITY MENTAL HEALTH AND PUBLIC POLICY, Vol. 3 No. 2(Mental Health), 1–10. http://cmhp.lenterakaji.org/index.php/cmhp

Aqsa Mu’azzaroh, A., & Cahyanti, I. Y. (2023). PENGARUH KEKERASASN SEKSUAL YANG DIFASILITASI TEKNOLOGI TERHADAP DEPRESI PADA WANITA DEWASA AWAL PENGGUNA MEDIA SOSIAL. JURNAL FUSION, 3(08). https://doi.org/10.54543/fusion.v3i05.332

Citra Pengenalan Aksara Bugis Kurniati, S., & Reza Wardana, R. (2020). Penerapan Algoritma Particle Swarm Optimization pada Segmentasi Citra Pengenalan Aksara Bugis. In Jurnal Pengembangan Sistem Informasi dan Informatika (Vol. 1, Issue 3). http://journal.jis-institute.org/index.php/jpsii/index

Fauziah, R., & Purnamasari, A. I. (2023). Implementasi Algoritma K-Means pada Kasus Kekerasan Anak dan Perempuan Berdasarkan Usia. Hello World Jurnal Ilmu Komputer, 2(1), 34–41. https://doi.org/10.56211/helloworld.v2i1.232

Hasibuan, C. K., & Yahfizham, Y. (2023). Analisis Pembelajaran Algoritma Pemrograman. Bahasa Dan Matematika, 1(5), 274–285. https://doi.org/10.61132/arjuna.v1i5.337

Hayatin, N., Marthasari, G. I., & Nuraini, L. (2020). Optimization of Sentiment Analysis for Indonesian Presidential Election using Naïve Bayes and Particle Swarm Optimization. Jurnal Online Informatika, 5(1), 81–88. https://doi.org/10.15575/join.v5i1.558

Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. JURNAL ILMIAH INFORMATIKA DAN ILMU KOMPUTER(JIMA-ILKOM). https://doi.org/10.58602/jima-ilkom.v3i1.26

Homepage, J., Herviany, M., Putri Delima, S., Nurhidayah, T., Studi Sistem Informasi, P., & Sains dan Teknologi UIN Sultan Syarif Kasim Riau Jl Soebrantas, F. H. (2021). Comparison of K-Means and K-Medoids Algorithms for Grouping Landslide Prone Areas in West Java Province Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor di Provinsi Jawa Barat. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1, 34–40.

Karadoğan, S. K., & Altay, B. U. (2024). Dermatology Quality of Life and Depression, Anxiety, and Stress Scale-42 in Scabies Patients. Dermatology Practical and Conceptual, 14(2). https://doi.org/10.5826/dpc.1402a112

Lashiyanti, A. R., Rasyid Munthe, I., Nasution, F. A., & Korespondensi, E. P. (2023). Optimisasi Klasterisasi Nilai Ujian Nasional dengan Pendekatan Algoritma K-Means, Elbow, dan Silhouette. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI, 6(1), 14–20.

Pasaribu, D. F., Damanik, I. S., Irawan, E., Suhada, & Tambunan, H. S. (2021). Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat. BIOS : Jurnal Teknologi Informasi Dan Rekayasa Komputer, 2(1), 11–20. https://doi.org/10.37148/bios.v2i1.17

Senjaya, S., Rahmawati, S., Aisyah, S., Andriani, N., Heryani, H., Nur Apni, S., Ilham Mahardika Jati, B., Sintia, Y., Nurhafifah, S., Keperawatan Jiwa, D., Keperawatan, F., Padjadjaran, U., Raya Bandung-Sumedang, J. K., Barat, J., Keperawatan Anak, D., & Sarjana Keperawatan, P. (2022). GAMBARAN TINGKAT DEPRESI PADA MAHASISWA DI MASA PANDEMI: NARRATIVE REVIEW. https://journal.ppnijateng.org/index.php/jikj

Sikana, A. M., & Wijayanto, A. W. (2021). Analisis Perbandingan Pengelompokan Indeks Pembangunan Manusia Indonesia Tahun 2019 dengan Metode Partitioning dan Hierarchical Clustering. Jurnal Ilmu Komputer, 14(2), 66. https://doi.org/10.24843/jik.2021.v14.i02.p01

Tarigan, D. A. (2023). Optimization of the K-Means Clustering Algorithm Using Davies Bouldin Index in Iris Data Classification. Media Online), 4(1), 545–552. https://doi.org/10.30865/klik.v4i1.964

Virgo, I., Defit, S., & Yuhandri, Y. (2020). Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering. Jurnal Sistim Informasi Dan Teknologi, 23–28. https://doi.org/10.37034/jsisfotek.v2i1.17