Gangguan mental, khususnya Obsessive-Compulsive Disorder (OCD), adalah kondisi serius yang memengaruhi pikiran, emosi, dan perilaku individu. Penelitian ini bertujuan untuk memahami distribusi keparahan gejala OCD dan mengidentifikasi intensitas keparahan yang berbeda melalui aplikasi algoritma K-means clustering. Menggunakan Yale-Brown Obsessive-Compulsive Scale (Y-BOCS) sebagai alat ukur utama, penelitian ini mengelompokkan pasien OCD ke dalam lima kategori: Extreme, Severe, Moderate, Mild, dan Subclinical. Data yang digunakan mencakup skor Y-BOCS dari pasien, yang mencerminkan tingkat obsesi dan kompulsi. Total Y-BOCS score berkisar dari 0 hingga 40, dengan kategori yang ditentukan berdasarkan skor: 0-7 untuk subklinis, 8-15 untuk ringan, 16-23 untuk sedang, 24-31 untuk berat, dan 32-40 untuk ekstrem. Algoritma K means diterapkan pada dataset ini untuk mengelompokkan pasien ke dalam cluster yang relevan pada penelitian ini juga jumlah data yang digunakan adalah 1500 data dan vairabel yang digunakan adalah Y-BOCS Obsession dan Y-BOCS Compulsion. Hasil penelitian menunjukkan bahwa sebagian besar pasien (67.47%) termasuk dalam kategori Extreme, sementara sisanya tersebar di kategori Severe (14.00%), Moderate (9.80%), Mild (6.13%), dan Subclinical (2.60%). Temuan ini memberikan wawasan penting tentang distribusi keparahan OCD di kalangan pasien dan berpotensi memandu klinisi dan pembuat kebijakan dalam merancang intervensi yang lebih efektif. Penelitian ini tidak hanya menambah literatur akademik mengenai OCD tetapi juga memiliki implikasi praktis dalam pengembangan strategi penanganan yang lebih tepat sasaran untuk pasien OCD, khususnya dalam konteks klinis.

Mental disorders, particularly Obsessive-Compulsive Disorder (OCD), are serious conditions that affect an individual's thoughts, emotions and behaviors. This study aims to understand the severity distribution of OCD symptoms and identify different severity levels through the application of K-means clustering algorithm. Using the Yale-Brown Obsessive-Compulsive Scale (Y-BOCS) as the main measurement tool, this study clusters OCD patients into five categories: Extreme, Severe, Moderate, Mild, and Subclinical. The data used included patients' Y-BOCS scores, which reflect the level of obsessions and compulsions. The total Y-BOCS score Ranges from 0 to 40, with categories defined based on the score: 0-7 for subclinical, 8-15 for mild, 16-23 for moderate, 24-31 for severe, and 32-40 for extreme. K-means algorithm was applied to this dataset to group the patients into relevant clusters in this study also the amount of data used was 1500 data and the variables used were Y-BOCS Obsession and Y-BOCS Compulsion. The results showed that most patients (67.47%) belonged to the Extreme category, while the rest were spread across Severe (14.00%), Moderate (9.80%), Mild (6.13%), and Subclinical (2.60%) categories. These findings provide important insights into the distribution of OCD severity among patients and could potentially guide clinicians and policy makers in designing more effective interventions. This study not only adds to the academic literature on OCD but also has practical implications in the development of more targeted treatment strategies for OCD patients, particularly in the clinical context.