Penggunaan Algoritma K-Nearest Neighbors (K-NN) untuk Mengklasifikasi Stres Akademik Mahasiswa Departemen Matematika Universitas Negeri Padang

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan tingkat stres akademik mahasiswa Departemen Matematika Universitas Negeri Padang menggunakan algoritma K- Nearest Neighbors (K-NN), dengan (hasil Grid Search ). Stres akademik merupakan kondisi psikologis yang sering dialami siswa akibat tekanan internal maupun eksternal selama menjalani studi. Data dikumpulkan dari 100 mahasiswa aktif tahun masuk 2021 hingga 2024 melalui kuesioner Student Stress Inventory (SSI), mencakup empat subskala: fisik, interpersonal, akademik, dan lingkungan. Variabel lain yang digunakan meliputi program studi, tahun masuk, jenis kelamin, indeks prestasi kumulatif (IPK), dan jumlah kredit satuan semester (SKS). Algoritma K-NN diterapkan untuk mengklasifikasikan data ke dalam tiga kategori stres: ringan, sedang, dan berat. Evaluasi menggunakan konfusi matriks menunjukkan bahwa model K-NN menghasilkan akurasi klasifikasi sebesar 95%, yang menunjukkan efektivitas algoritma dalam pemetaan tingkat stres akademik berdasarkan data yang tersedia. Hasil ini menunjukkan bahwa K-NN dapat digunakan sebagai alat bantu prediktif dalam mendeteksi tingkat stres siswa secara akurat dan efisien.

Kata Kunci: Stres Akademik, Klasifikasi, KNN, Prediksi,  Data mining.