KLASIFIKASI TINGKATKECANDUANSMARTPHONE PADAMAHASISWAUNIVERSITASBINAINSAN MENGGUNAKANALGORITMAK-NEARESTNEIGHBOR

ALIYAHAZIZAH (2025) KLASIFIKASI TINGKATKECANDUANSMARTPHONE PADAMAHASISWAUNIVERSITASBINAINSAN MENGGUNAKANALGORITMAK-NEARESTNEIGHBOR. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_57201_2002030005.pdf Download (32MB)

Abstract

Perkembangan teknologi di era Revolusi Industri 4.0 membawa dampak signifikan dalam berbagai aspek kehidupan, termasuk munculnya fenomena kecanduan smartphone. Smartphone yang awalnya berfungsi sebagai alat komunikasi kini telah menjadi bagian integral dari kehidupan sehari-hari. Namun, penggunaan yang berlebihan dapat menyebabkan kecanduan yang berdampak negatif pada kesehatan fisik, mental, serta produktivitas individu. Fenomena ini menjadi perhatian khusus di kalangan mahasiswa Universitas Bina Insan, yang mengandalkan smartphone untuk akses informasi, komunikasi, dan pembelajaran. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kecanduan smartphone di kalangan mahasiswa Universitas Bina Insan menggunakan algoritma K-Nearest Neighbor (KNN). Data penelitian diperoleh melalui survei kuesioner dengan metode stratified random sampling. Algoritma KNN dipilih karena kemampuannya dalam menangani data dengan karakteristik berbeda dan menghasilkan klasifikasi yang akurat berdasarkan kedekatan data. Hasil penelitian ini diharapkan dapat membantu Universitas Bina Insan dalam memahami tingkat kecanduan smartphone mahasiswa dan memberikan wawasan untuk merancang strategi pengelolaan dampak negatifnya, sehingga mendukung kesejahteraan dan performa akademik mahasiswa. Model yang dirancang menunjukkan kinerja yang baik dengan akurasi mencapai 90%, menandakan bahwa 90% sampel pada data uji berhasil diprediksi dengan benar. Selain itu, precision dan recall yang tinggi untuk kelas "Adiktif" dan "Normal" mengindikasikan kemampuan model yang andal dalam mengidentifikasi sampel sesuai kelasnya. F1-score yang tinggi pada kedua kelas juga menunjukkan keseimbangan yang baik antara precision dan recall, menegaskan kehandalan model dalam pengklasifikasian data. Kata Kunci : Data Mining, Klasifikasi, Kecanduan Smartphone, K-Nearest Neighbor, Confussion Matrik

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Sistem Informasi
Depositing User:	Admin Perpus UnivBI
Date Deposited:	10 Feb 2026 09:27
Last Modified:	10 Feb 2026 09:27
URI:	http://eprints.univbinainsan.ac.id/id/eprint/501

Actions (login required)

View Item