Analisis Kesehatan Mental Mahasiswa Menggunakan Kuesioner PHQ-9 Dengan Metode Hierarchical Clustering

Diki Septrian, Suendri Suendri

Abstract


Kesehatan mental mahasiswa merupakan isu penting yang perlu mendapat perhatian karena tekanan akademik dan sosial yang dihadapi dapat memicu berbagai gangguan psikologis, termasuk depresi. Penelitian ini bertujuan mengelompokkan tingkat risiko kesehatan mental mahasiswa Universitas Islam Negeri Sumatera Utara menggunakan Patient Health Questionnaire-9 (PHQ-9) dan metode Hierarchical Clustering. Data penelitian diperoleh dari 50 mahasiswa yang memenuhi kriteria penelitian. Proses clustering dilakukan menggunakan Ward’s Method dengan pengukuran jarak Euclidean Distance untuk mengidentifikasi kelompok mahasiswa berdasarkan kemiripan gejala depresi yang dialami, dan hasilnya divisualisasikan melalui dendrogram. Hasil penelitian menunjukkan terbentuknya lima cluster, yaitu cluster 1 sebanyak 10 mahasiswa (20%), cluster 2 sebanyak 8 mahasiswa (16%), cluster 3 sebanyak 15 mahasiswa (30%), cluster 4 sebanyak 9 mahasiswa (18%), dan cluster 5 sebanyak 8 mahasiswa (16%). Cluster 3 merupakan kelompok dengan anggota terbanyak, sedangkan sebagian anggota cluster tergolong dalam kategori Moderate Severe Depression. Hasil pengelompokan menunjukkan adanya variasi tingkat risiko kesehatan mental yang relatif merata pada populasi penelitian serta memperlihatkan pola kemiripan gejala depresi antaranggota dalam setiap cluster. Temuan ini dapat menjadi dasar bagi institusi pendidikan dalam merancang program deteksi dini dan intervensi kesehatan mental yang lebih terarah bagi mahasiswa.


Keywords


Cluster; Hierarchical clustering; Phq-9

Full Text:

PDF

References


P. F. Addini, K. Raih, S. Dakhi, P. Cania, and B. Tarigan, “Analisis Pada Produk Susu Berdasarkan Komposisi Yang Terkandung Menggunakan Metode Hierarki Cluster,” vol. 6, no. 2, pp. 252–256, 2024.

D. A. Setyawan, D. A. Setyawan, and C. Fathicah, “Pengembangan metode”.

J. Sharp and S. Theiler, “A review of psychological distress among university students: Pervasiveness, implications and potential points of intervention,” Int. J. Adv. Couns., vol. 43, no. 3, pp. 193–212, 2021, doi: 10.1007/s10447-021-09439-7.

Y. Asyfani, I. M. Nur, I. F. Amri, and N. Yunanita, “Pengelompokan Kabupaten / Kota di Jawa Tengah Berdasarkan Kepadatan Penduduk Menggunakan Metode Hierarchical Clustering,” vol. 2, no. 1, pp. 1–8, 2024.

P. Studi, S. Data, and F. I. Komputer, “PENGGUNAAN K-MEANS DAN HIERARCHICAL CLUSTERING,” vol. 5, no. 2, pp. 1286–1294, 2024.

K. Kroenke, R. L. Spitzer, and J. B. W. Williams, “The PHQ-9: Validity of a Brief Depression Severity Measure,” J. Gen. Intern. Med., vol. 16, no. 9, pp. 606–613, 2001, doi: 10.1046/j.1525-1497.2001.016009606.x.

M. M. Rahman, M. M. Rahman, and M. M. Rahman, “Validity and reliability of the Patient Health Questionnaire scale (PHQ-9) among university students of Bangladesh,” vol. 17, no. 6, 2022, doi: 10.1371/journal.pone.0269634.

A. Septianingsih, “PEMETAAN KABUPATEN KOTA DI PROVINSI JAWA TIMUR BERDASARKAN TINGKAT KASUS PENYAKIT MENGGUNAKAN,” vol. 3, no. 2, 2022.

D. P. Dabhi and M. R. Patel, “Extensive Survey on Hierarchical Clustering Methods in Data Mining,” pp. 659–665, 2016.

S. J. Sinaga, N. Satyahadewi, and H. Perdana, “Determining the Optimum Number of Clusters in Hierarchical Clustering Using Pseudo-F,” vol. 11, no. 2, pp. 372–382, 2023.

U. H. Clustering, “JURNAL RESTI Capturing Students ’ Dynamic Learning Pattern Based on Activity Logs,” vol. 5, no. 158, pp. 9–11, 2026.

N. Sumita and D. P. Sari, “JSDS : JOURNAL OF STATISTICS AND DATA SCIENCE Achievement Cluster of Covid-19 Vaccination at the South Bengkulu Health Center Using Agglomerative Hierarchical Clustering,” vol. 1, no. 2, 2022.

N. Satyahadewi, S. J. Sinaga, and H. Perdana, “HIERARCHICAL CLUSTER ANALYSIS OF DISTRICTS / CITIES IN NORTH SUMATRA PROVINCE BASED ON HUMAN DEVELOPMENT INDEX INDICATORS USING PSEUDO-F,” vol. 17, no. 3, pp. 1429–1438, 2023.

S. P. Andriani, A. Larasati, A. Muid, and N. A. Mahbubah, “Sales Display Re-layout Based on Analysis of Item Sets Pattern Using Combination of Complete Linkage Hierarchical Clustering Method and Association-Rule Method with Apriori Algorithm,” no. November 2020, pp. 1034–1045, 2021.

I. O. P. C. Series and M. Science, “Comparison of hierarchical clustering methods ( case study : data on poverty influence in North Sulawesi ) Comparison of hierarchical clustering methods ( case study : data on poverty influence in North Sulawesi ),” 2019, doi: 10.1088/1757-899X/567/1/012048.

M. Musa and S. I. Fallo, “HIERARCHICAL CLUSTER ANALYSIS ON PEOPLE ’ S WELFARE IN SOUTHEAST SULAWESI PROVINCE,” vol. 17, no. 2, pp. 1163–1172, 2023.




DOI: http://dx.doi.org/10.30829/jistech.v11i1.29833

Refbacks

  • There are currently no refbacks.


Current Indexing

 

Creative Commons License

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