Klasifikasi Tingkat Kecanduan Media Sosial Mahasiswa Menggunakan Algoritma KNN

Abstract

Keterlibatan mahasiswa dengan media sosial telah meningkat secara signifikan dan kini menjadi aktivitas sehari-hari mereka. Namun, penggunaan berlebihan dan keterlibatan yang tidak menentu dapat mengakibatkan beberapa dampak negatif, seperti berkurangnya fokus saat belajar dan kualitas tidur yang buruk. Hal ini menyoroti pentingnya strategi yang dapat secara objektif menilai tingkat ketergantungan media sosial. Pendekatan ini menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengkategorikan tingkat kecanduan di kalangan mahasiswa berdasarkan karakteristik data yang sama. Data yang digunakan berasal dari sumber sekunder di Kaggle, yang menampilkan variabel seperti waktu penggunaan, frekuensi akses, kualitas tidur, dan tingkat perhatian selama sesi belajar. Metodologi ini mencakup langkah-langkah seperti pembersihan data, normalisasi melalui teknik StandarScaler (Z-Score Standardization), membagi data menjadi set pelatihan dan pengujian, dan klasifikasi menggunakan berbagai skenario nilai K. Temuan menunjukkan bahwa metode yang digunakan mencapai hasil klasifikasi yang cukup andal dalam menilai tingkat kecanduan mahasiswa terhadap platform media sosial. Hasil ini menekankan bahwa pendekatan yang berfokus pada data dapat berfungsi sebagai dasar untuk memahami dan mengatasi efek negatif yang terkait dengan penggunaan media daring.   Kata Kunci - Kecanduan Media Sosial, Mahasiswa, Klasifikasi Data, K-Nearest Neighbor, Analisis Data