Analisis Tingkat Stres Mahasiswa Tingkat Akhir Menggunakan Algoritma K-Nearest Neighbour (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)

Ramadhan, Farhan and Ir. Satrio Hadi Wijoyo, S.Si., S.Pd., M.Kom. and Ir. Satrio Agung Wicaksono, S.Kom., M.Kom. (2024) Analisis Tingkat Stres Mahasiswa Tingkat Akhir Menggunakan Algoritma K-Nearest Neighbour (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya). Sarjana thesis, Universitas Brawijaya.

Abstract

Stres merupakan masalah yang umum dihadapi oleh mahasiswa, terutama bagi mereka yang berada di tingkat akhir pendidikan. Penelitian ini bertujuan untuk menganalisis tingkat stres pada mahasiswa tingkat akhir menggunakan algoritma K-Nearest Neighbor (KNN). Sebanyak 150 data mahasiswa tingkat akhir Fakultas Ilmu Komputer Universitas Brawijaya diambil sebagai sampel. Data ini diolah menggunakan algoritma KNN dengan memvariasikan nilai K untuk menemukan model prediksi yang optimal. Instrumen pengukuran yang digunakan adalah Depression, Anxiety, and Stress Scale-42 (DASS-42). Hasil penelitian menunjukkan bahwa KNN dengan K optimal dapat mengklasifikasikan tingkat stres mahasiswa dengan akurasi yang cukup tinggi. Namun, terdapat keterbatasan pada keseimbangan dan jumlah data serta cakupan yang terbatas pada satu fakultas. Penelitian ini merekomendasikan penggunaan data set yang lebih besar dan seimbang, pengujian dengan instrumen yang berbeda, serta perbandingan dengan algoritma lain untuk meningkatkan akurasi prediksi stres mahasiswa. Hasil ini diharapkan dapat menjadi referensi bagi institusi pendidikan dalam mengembangkan intervensi yang tepat untuk mengatasi masalah stres di kalangan mahasiswanya.

English Abstract

Stress is a common problem faced by students, especially those at the final level of education. This research aims to analyze stress levels in final year students using the K-Nearest Neighbors (KNN) algorithm. A total of 150 data from final year students from the Faculty of Computer Science, Brawijaya University were taken as samples. This data is processed using the KNN algorithm by varying the K value to find the optimal prediction model. The measurement instrument used was the Depression, Anxiety, and Stress Scale-42 (DASS-42). The research results show that KNN with optimal K can classify student stress levels with fairly high accuracy. However, there are limitations to the balance and amount of data and coverage is limited to one faculty. This research recommends using a larger and more balanced dataset, test with different instruments, and comparison with other algorithms to increase the accuracy of student stress predictions. It is hoped that these results can become a reference for educational institutions in developing appropriate interventions to overcome stress problems among their students.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150248
Uncontrolled Keywords:	k-nearest neighbor, DASS-42, stres, mahasiswa tingkat akhir, feature importance, data train, data test-k-nearest neighbor, DASS-42, stress, final year students, feature importance, data train, data test
Divisions:	Fakultas Ilmu Komputer > Pendidikan Teknologi Informasi
Depositing User:	soegeng sugeng
Date Deposited:	25 Apr 2024 07:43
Last Modified:	25 Apr 2024 07:43
URI:	http://repository.ub.ac.id/id/eprint/217798

Text (DALAM MAS EMBARGO) Farhan Ramadhan.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item