Analisis K-Means Clustering Dengan Simulated Annealing Untuk Pengelompokan Depresi Berdasarkan DASS

• REYZKA ALDI FIRMANSYAH
• 2025

---

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. DASS 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 Simulated Annealing untuk membuktikan sedekat apa sebenarnya kita dengan depresi ini. Penelitian ini mendapatkan hasil bahwa K-Means yang dioptimasi menggunakan Simulated Annealing mampu meningkatkan kinerja clustering.

• K-Means
• Machine Learning
• Simulated Annealing

https://repository.bsi.ac.id/repo/61441/Analisis-K-Means-Clustering-Dengan-Simulated-Annealing-Untuk-Pengelompokan-Depresi-Berdasarkan-DASS
File full-text dikunci.