PERBANDINGAN METODE CLUSTERING K-MEANS++, DBSCAN, DAN AGGLOMERATIVE PADA DATA KUESIONER DASS-21

Penelitian ini bertujuan untuk membandingkan kinerja tiga metode clustering, yaitu k-Means++, DBSCAN (Density-Based Spatial Clustering of Applications with Noise), dan Agglomerative Clustering, dalam mengelompokkan data hasil kuesioner Depression Anxiety Stress Scale (DASS-21). Data kuesioner merepresentasikan tiga dimensi utama kondisi psikologis, yaitu depresi, kecemasan, dan stres. Evaluasi kinerja dilakukan dengan menghitung tingkat kesesuaian antara hasil klasterisasi dan kelas aktual yang ditentukan berdasarkan skor DASS-21. Hasil analisis menunjukkan bahwa metode k-Means++ memiliki tingkat kecocokan tertinggi sebesar 35,63%, diikuti oleh Agglomerative Clustering sebesar 34,39% dan DBSCAN sebesar 26,81%. Temuan ini mengindikasikan bahwa k-Means++ lebih mampu membentuk kelompok yang selaras dengan dimensi psikologis pada data DASS-21. Namun, nilai kecocokan yang relatif rendah menunjukkan adanya tumpang tindih antar dimensi emosional serta kompleksitas karakteristik data psikologis. Oleh karena itu, diperlukan penelitian lanjutan melalui optimasi parameter, praproses data, atau penerapan pendekatan hibrida untuk meningkatkan kualitas dan representativitas hasil pengelompokan.