PREDIKSI TINGKAT STRES MAHASISWA SEMESTER AKHIR DALAM MENYUSUN SKRIPSI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Authors

  • Irma Yani STMIK Kaputama
  • Hotler Manurung STMIK Kaputama
  • Ratih Puspadini STMIK Kaputama

Keywords:

Stres akademik, K-Nearest Neighbor, Data Mining, Prediksi, Mahasiswa

Abstract

Penelitian ini bertujuan untuk memprediksi tingkat stres mahasiswa tingkat akhir dalam menyusun skripsi menggunakan algoritma K-Nearest Neighbor (KNN). Data diperoleh melalui kuesioner yang mencakup faktor-faktor seperti manajemen waktu, dukungan sosial, kecemasan masa depan, faktor psikologis internal, dan kesiapan penelitian. Setelah melalui uji validitas dan reliabilitas, data diproses dengan tahap konversi numerik, reverse scoring, kalkulasi skor, serta pelabelan tingkat stres. Model KNN dengan nilai k=5 diuji menggunakan metode 10-Fold Stratified Cross-Validation. Hasil penelitian menunjukkan bahwa dukungan sosial (r=0,31) dan kecemasan masa depan (r=0,25) merupakan faktor dengan korelasi paling kuat terhadap tingkat stres. Model KNN mampu mengklasifikasikan tingkat stres dengan akurasi yang baik, meskipun masih terdapat kesalahan pada prediksi kategori stres rendah dan tinggi. Penelitian ini memberikan kontribusi dalam bidang educational data mining dengan menghasilkan model prediktif berbasis data yang dapat dijadikan dasar perancangan sistem peringatan dini (early warning system) serta rekomendasi strategis bagi pihak kampus.

Downloads

Download data is not yet available.

References

Airlangga, G. (2023). UNSUPERVISED MACHINE LEARNING FOR SEISMIC ANOMALY DETECTION: ISOLATION FOREST ALGORITHM APPLICATION TO INDONESIAN EARTHQUAKE DATA. Jurnal Inovasi Pendidikan, 4(3), 1827-1836. https://doi.org/10.46306/lb.v4i3

Chua, W., Pajas, A. L. D., Castro, C. S., Panganiban, S. P., Pasuquin, A. J., Purganan, M. J., Malupeng, R., Pingad, D. J., Orolfo, J. P., Lua, H. H., & Velasco, L. C. (2024). Web Traffic Anomaly Detection Using Isolation Forest. Informatics, 11(4). https://doi.org/10.3390/informatics11040083

Djidjev, C. (2024). siForest: Detecting Network Anomalies with Set-Structured Isolation Forest. http://arxiv.org/abs/2412.06015

Hermanto, B., Yusman, M., & Nagara. (2019). Sistem Informasi Manajemen Keuangan Pada Pt . Hulu Balang. Jurnal Komputasi, 7(1), 17–26.

Iqbal Ramadhan, M. (2017). Penerapan Data Mining untuk Analisis Data Bencana Milik Bnpb Menggunakan Algoritma K-Means dan Linear Regression. Jurnal Informatika Dan Komputer, 22(1), 57–65.

Jannah, B. P. dan L. miftahul. (2016). Metodologi Penelitian Kuantitatif. In PT Rajagrafindo Persada (Vol. 3, Issue 2).

Jena, T., Shankar, A., & Singhdeo, A. (2023). Harnessing Machine Learning for Effective Cyber security Classifiers. Asian Journal of Research in Computer Science, 16(4), 453-464. https://doi.org/10.9734/ajrcos/2023/v16i4405

Li, S. (2024). Machine Learning in Credit Risk Forecasting A Survey on Credit Risk Exposure. Accounting and Finance Research, 13(2), 107. https://doi.org/10.5430/afr.v13n2p107

Liu, F. T., Ting, K. M., & Zhou, Z. H. (2012). Isolation-based anomaly detection. ACM Transactions on Knowledge Discovery from Data, 6(1). https://doi.org/10.1145/2133360.2133363

Magdalena, I., Salsabila, A., Krianasari, D. A., & Apsarini, S. F. (2021). Implementasi Model Pembelajaran Daring Pada Masa Pandemi Covid-19 Di Kelas Iii Sdn Sindangsari Iii. Jurnal Pendidikan Dan Dakwah, 3(1), 119–128. https://ejournal.stitpn.ac.id/index.php/pandawa

Martinez-Plumed, F., et al. (2021). CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories. IEEE Transactions on Knowledge and Data Engineering, 33(8), 3048–3061. https://doi.org/10.1109/TKDE.2019.2962680

Oktaviani.J. (2018). Tinjauan Pustaka:Pengertian Implementasi. Sereal Untuk, 51(1), 51.

Pratiwi, T. A., & Wahyuni, T. (2020). Hubungan antara Dukungan Sosial dengan Stres Akademik pada Mahasiswa Tingkat Akhir. Jurnal Psikologi, 13(1), 11-20.

Queyrut, S., Bromberg, Y.-D., & Schiavoni, V. (2022). Pelta. 12(1), 37–43. https://doi.org/10.1145/3565010.3569064

Setyo, W. N., & Wardhana, S. (2019). Implementasi Data Mining Pada Penjualan Produk Di Cv Cahaya Setya Menggunakan Algoritma Fp-Growth. Petir, 12(1), 54–63. https://doi.org/10.33322/petir.v12i1.416

Stocks, N. (2016). 済無 No Title No Title No Title. 1–23.

Sugianto, C. A., & Astita, M. N. (2017). Implementasi Data Mining Dalam Data Bencana Tanah Longsor Di Jawa Barat Menggunakan Algoritma Fp-Growth. Techno.Com, 17(1), 91–102. https://doi.org/10.33633/tc.v17i1.1601

Tarigan, P. M. S., Hardinata, J. T., Qurniawan, H., Safii, M., & Winanjaya, R. (2022). Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang. Jurnal Janitra Informatika Dan Sistem Informasi, 2(1), 9–19. https://doi.org/10.25008/janitra.v2i1.142

Wittkopp, T., Wiesner, P., Scheinert, D., & Kao, O. (2021). A Taxonomy of Anomalies in Log Data. http://arxiv.org/abs/2111.13462Adolph, R. (2016). 済無No Title No Title No Title. 1–23.

Almasri. (2019). LANDASAN TEORI 2.1 Data Mining 2.1.1 Definisi Data Mining. 5–15.

Angelica Angelica, Ahmad Irzal Fardiansyah, & Fristia Berdian Tamza. (2025). Tinjauan Yuridis terhadap Kasus Kepemilikan Senjata Api dan Amunisi Ilegal di Indonesia. Birokrasi: JURNAL ILMU HUKUM DAN TATA NEGARA, 3(1), 21–29. https://doi.org/10.55606/birokrasi.v3i1.1813

Aprilianda, D., Saragih, R., Saripurna, D., Studi Sistem Informasi, P., & Kaputama, S. (2023). Classification of Household Violence (Kdrt) Cases Based on Causing Factors Using Clustering Method. Journal of Mathematics and Technology (MATECH), 2(2), 61–76.

Ariffin, M., & Sitabuana, T. H. (2022). Sistem Perpajakan Di Indonesia. Serina IV Untar, 28, 523–534.

Awaliyah, L., Rahaningsih, N., & Danar Dana, R. (2024). Implementasi Algoritma K-Means Dalam Analisis Cluster Korban Kekerasan Di Provinsi Jawa Barat. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 188–195. https://doi.org/10.36040/jati.v8i1.8332

Azhari, D. A., Maulita, Y., & Ramadani, S. (2024). Pengelompokan Data Kriminal untuk Menentukan Pola Rawan Tindak Kriminal Menggunakan Algoritma K-Means ( Studi Kasus : Polsek Hamparan Perak ) judul penelitian yaitu “ Pengelompokan Data Krim inal Untuk Menentukan Pola Rawan Tindak Kriminal Menggunakan Alg. 2(5).

Baidi, R., & Yuherawan, D. S. B. (2023). Pertanggungjawaban Tindak Pidana Perbankan Perspektif Hukum Pidana Dan Undang-Undang Perbankan. Journal Justiciabelen (JJ), 3(1), 1. https://doi.org/10.35194/jj.v3i1.2112

Efendi, S. (2021). Sanksi Kejahatan Penipuan Dengan Identitas Palsu Dalam Kuhp Indonesia Dan Fiqh Jinayah. Jurnal Syari’ah Dan Peradilan Islam, 1(2), 32–55.

Emelia Siahaan, Paramita Prananingtyas, S. M. (2016). Diponegoro law review. Law and Justice, 5(18), 1–13. https://ejournal3.undip.ac.id/index.php/dlr/article/view/10960/10629

Farah Andriani, Msy. Arifah Sumayyah, Muhammad Ria Revanza, Fajri Ramadhan, M. Ivandi Aulia, & Haryadi, T. (2023). Bentuk Perlindungan Hukum Kepada Anak Sebagai Korban Tindak Pidana Kesusilaan Dalam Hukum Pidana Positif Saat Ini. Consensus : Jurnal Ilmu Hukum, 2(1), 1–10. https://doi.org/10.46839/consensus.v2i1.32

Fauzi, J. R. (2020). Algoritma Dan Flowchart Dalam Menyelesaikan Suatu Masalah Disusun Oleh Universitas Janabadra Yogyakarta 2020. Jurnal Teknik Informatika, 20330044, 4–6.

Hoerunnisa, A., Dwilestari, G., Dikananda, F., Sunana, H., & Pratama, D. (2024). Komparasi Algoritma K-Means Dan K-Medoids Dalam Analisis Pengelompokan Daerah Rawan Kriminalitas Di Indonesia. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 103–110. https://doi.org/10.36040/jati.v8i1.8249

Irianty, D. I., Pangkerego, O. A., & Sompie, E. (2021). Kajian Yuridis Tentang Tanggung Jawab Pelaku Tindak Pidana Pencurian Berdasarkan Kitab Undang-Undang Hukum Pidana. Lex Crimen, 10(7), 177–186. https://ejournal.unsrat.ac.id/index.php/lexcrimen/article/view/35010

JENI FITRIA. (2017). Sanksi Tindak Pidana Pembakaran Hutan Dalam Undang-Undang Nomor 41 Tahun 1999 Tentang Kehutananperspektif Hukum Islam. http://repository.radenintan.ac.id/2847/1/skripsi.pdf

Karunia. (2016). No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title. 4(June), 2016.

Kurniawan, Y. S., & Chandra, T. Y. (2024). Kepastian Hukum Pembuktian Motif pada Tindak Pidana Pembunuhan Berencana dalam Hukum Pidana Indonesia. 680–690.

Lubis, A. H., & Margaini, A. (2022). Relevansi Pidana Mati Terhadap Tindak Pidana Narkotika Dalam Prespektif Pembaharuan Hukum Pidana. Sanskara Hukum Dan HAM, 1(02), 13–24. https://doi.org/10.58812/shh.v1i02.54

Mochammad Sulthan Rafi Z. (2013). Jenis-jenis Data Dalam Penelitian. Metode Penelitian Kualitatif, 24(1), 1689–1699. http://dx.doi.org/10.1016/j.jsames.2011.03.003%0Ahttps://doi.org/10.1016/j.gr.2017.08.001%0Ahttp://dx.doi.org/10.1016/j.precamres.2014.12.018%0Ahttp://dx.doi.org/10.1016/j.precamres.2011.08.005%0Ahttp://dx.doi.org/10.1080/00206814.2014.902757%0Ahttp://dx.

Muhammadiyah Surakarta, U., Yani, J. A., Kartasura, K., Sukoharjo, K., & Tengah, J. (2024). Analisis aspek hukum pada kejadian perampokan dengan rincian undang-undang pidana di indonesia. Ethics and Law Journal: Business and Notary (ELJBN, 2(1), 2988–1293. http://journals.ldpb.org/index.php/eljbn

Muharizki, M. I., & Arianto, D. B. (2023). … Clustering Dengan Metode K-Means Terhadap Statistik Permainan Pro-Player Valorant Pada Kompetisi Valorant Champions 2022. Serunai: Jurnal Ilmiah Ilmu …, 9, 40–47. https://ejournal.stkipbudidaya.ac.id/index.php/ja/article/view/846%0Ahttps://ejournal.stkipbudidaya.ac.id/index.php/ja/article/download/846/571

Mulyana Saputri, R., Wahyuni, F., & Muhsin, M. (2024). Analisis Kebijakan Dalam Hukum Pidana Perlindungan Anak Pada Pembaruan Sistem Peradilan Pidana Anak Di Indonesia. Selodang Mayang: Jurnal Ilmiah Badan Perencanaan Pembangunan Daerah Kabupaten Indragiri Hilir, 10(2), 133–139. https://doi.org/10.47521/selodangmayang.v10i2.407

Nur Fariza Khairani, Relita Buaton, & Melda Pita Uli Sitompul. (2024). Pengelompokan Penanganan Resiko Pada Kegiatan Panen Berdasarkan Alat Pelindung Diri Yang digunakan. Modem : Jurnal Informatika Dan Sains Teknologi., 2(4), 68–91. https://doi.org/10.62951/modem.v2i4.232

Pidana, A. T., & Kesusilaaan, P. (n.d.). Laden Marpaung, Kejahatan Terhadap Kesusilan, Jakarta: Sinar Grafika, h.3. 9. 9–55.

Simanjuntak;, S. H. D. P. N. L. J. P., & Prihatini., L. (2023). Penerapan Sanksi Pidana Dalam Tindak Pidana Desersi. PALAR (Pakuan Law Review), 09(1), 65–76.

Sitepu, R. S. (2022). Penerapan Algoritma K-Means Data Mining Untuk Clustering Hasil Test Urine Pasien. Bulletin of Multi-Disciplinary Science and Applied Technology, 1(5), 173–180.

Sitorus, E. I., & Area, U. M. (2024). IMPLEMENTASI DATA MINING DALAM PENGELOMPOKAN DATA KRIMINALITAS UMUM DI PROVINSI SUMATRA UTARA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING FAKULTAS TEKNIK UNIVERSITAS MEDAN AREA MEDAN K-MEANS CLUSTERING SKRIPSI Diajukan Sebagai Salah Satu Syarat untuk Mempero.

Sri Fastaf, C. A., & Yamasari, Y. (2022). Analisa Pemetaan Kriminalitas Kabupaten Bangkalan Menggunakan Metode K-Means dan K-Means++. Journal of Informatics and Computer Science (JINACS), 3(04), 534–546. https://doi.org/10.26740/jinacs.v3n04.p534-546

Stedila, S., Astuti, R., & M Basysyar, F. (2024). Penerapan Data Mining Clustering Menggunakan Metode K-Means Pada Data Tindak Kriminalitas Di Polres Kabupaten Kuningan. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1629–1636. https://doi.org/10.36040/jati.v8i2.8790

Suriani, L. (2020). Pengelompokan Data Kriminal Pada Poldasu Menentukan Pola Daerah Rawan Tindak Kriminal Menggunakan Data Mining Algoritma K-Means Clustering. Jurnal Sistem Komputer Dan Informatika (JSON), 1(2), 151. https://doi.org/10.30865/json.v1i2.1955

Syahrin, A., Hamdan, M., & Siregar, M. (2014). PERTANGGUNGJAWABAN PIDANA DALAM KEJAHATAN PERBANKAN Yohana Alvi Syahrin, M. Hamdan, Mahmul Siregar (. 2(3), 221–237.

Tampubolon, H. D., Gultom, D., Hutabarat, L. Y., R.H Zer, F. I., & Hartama, D. (2020). Penerapan Algoritma K-Means Untuk Mengetahui Tingkat Tindak Kejahatan Daerah Pematangsiantar. Jurnal Teknologi Informasi, 4(1), 146–151. https://doi.org/10.36294/jurti.v4i1.1263

Ummah, M. S. (2019). No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title. Sustainability (Switzerland), 11(1), 1–14. http://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng-8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06.005%0Ahttps://www.researchgate.net/publication/305320484_SISTEM_PEMBETUNGAN_TERPUSAT_STRATEGI_MELESTARI

Vaulamafiroh, D. (2020). Tata Tertip Lembaga Pemasyarakatan dan Rumah Tahanan Perspektif Hukum Pidana Islam. 4(1), 1–23.

Downloads

Published

2025-09-09

How to Cite

Yani, I., Manurung , H., & Puspadini, R. (2025). PREDIKSI TINGKAT STRES MAHASISWA SEMESTER AKHIR DALAM MENYUSUN SKRIPSI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. Global Research and Innovation Journal, 1(3), 702–708. Retrieved from https://journaledutech.com/index.php/great/article/view/604

Most read articles by the same author(s)

Similar Articles

<< < 5 6 7 8 9 10 11 12 13 14 > >> 

You may also start an advanced similarity search for this article.