Clustering dalam Menentukan Tindak Lanjut Hasil Annual Check Mental Health dengan Algoritma K-Means

Prasetya, Lorensius Bima Ade (2025) Clustering dalam Menentukan Tindak Lanjut Hasil Annual Check Mental Health dengan Algoritma K-Means. Skripsi thesis, Prodi Sistem Informasi.

	Text cover.pdf - Submitted Version Download (2MB)
	Text bab I.pdf - Submitted Version Download (2MB)
	Text bab II.pdf - Submitted Version Download (6MB)
	Text bab III.pdf - Submitted Version Download (4MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (7MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (616kB)
	Text daftar pustaka.pdf - Submitted Version Download (1MB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Penanganan masalah kesehatan mental menjadi prioritas pemerintah Indonesia karena tingginya prevalensi depresi dan kecemasan, khususnya di Provinsi Kepulauan Riau yang tercatat sebagai salah satu provinsi dengan angka bunuh diri tertinggi di negara ini. World Health Organization (WHO) telah menunjukkan adanya kekurangan dalam pengumpulan data, pelaporan, dan pengelolaan pengetahuan terkait kesehatan mental. Penelitian ini bertempat di PT McDermott Indonesia yang telah mengumpulkan data kesehatan mental melalui pemeriksaan kesehatan tahunan dengan menggunakan skala DASS-21, namun begitu data ini belum dianalisis untuk mendapatkan wawasan yang berguna dan dapat ditindaklanjuti bagi manajemen. Dengan demikian, penelitian ini bertujuan untuk membuat profil kesehatan mental pekerja PT McDermott Indonesia menggunakan data pemeriksaan kesehatan tahunan dari bulan Juni hingga September 2023, yang melibatkan total 3.699 pekerja. Dengan menerapkan algoritma pengelompokan K-Means berdasarkan tiga variabel yaitu — depression, anxiety, dan stress — analisis ini berhasil mengungkapkan bahwa 242 pekerja teridentifikasi dalam klaster dengan kondisi kesehatan mental berat, 1.271 dalam klaster dengan kondisi sedang, dan 2.186 sisanya dengan kondisi ringan dalam klaster.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	analisis, pengelompokan, Data Mining, K-Means, kesehatan mental : Analysis; Clustering; Data Mining; K-Means, Mental Health
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 006.3 Kecerdasan Buatan
Divisions:	Fakultas Teknik dan Komputer > Sistem Informasi
Depositing User:	Susila Novmbrita
Date Deposited:	05 Jun 2025 09:41
Last Modified:	05 Jun 2025 09:41
URI:	http://repository.upbatam.ac.id/id/eprint/6670

Actions (login required)

View Item

Downloads