KLASIFIKASI TINGKAT KECEMASAN MASUK DUNIA KERJA PADA MAHASISWA TINGKAT AKHIR MENGGUNAKAN METODE NEIGHBOR WEIGHTED K- NEAREST NEIGHBOR

Adam, Muhammad Fahmi (2023) KLASIFIKASI TINGKAT KECEMASAN MASUK DUNIA KERJA PADA MAHASISWA TINGKAT AKHIR MENGGUNAKAN METODE NEIGHBOR WEIGHTED K- NEAREST NEIGHBOR. Other thesis, UPN "Veteran" Yogyajarta.

	Text 1. Skripsi Fulltext_123160172_Muhammad Fahmi Adam.pdf Restricted to Repository staff only Download (5MB)
	Text 2. Cover_123160172_Muhammad Fahmi Adam.pdf.pdf Download (119kB)
	Text 3. Abstrak_123160172_Muhammad Fahmi Adam.pdf.pdf Download (129kB)
	Text 4. Lembar Pengesahan_123160172_Muhammad Fahmi Adam.pdf Download (639kB)
	Text 5. Daftar Isi_123160172_Muhammad Fahmi Adam.pdf.pdf Download (144kB)
	Text 6. Daftar Pustaka_123160172_Muhammad Fahmi Adam.pdf.pdf Download (159kB)

Abstract

ABSTRAK
Kecemasan menghadapi dunia kerja adalah perasaan khawatir yang dialami seseorang ketika
menghadapi atau memasuki dunia kerja. Salah satunya Mahasiswa tingkat akhir. Banyaknya kendala
yang dihadapi mahasiswa tingkat akhir memunculkan gejala dan gangguan psikologis seperti stres,
kesulitan tidur, mudah marah, frustasi, dan kehilangan motivasi. Maka dari itu, dibutuhkan suatu
cara untuk deteksi dini dan mengklasifikasikan kecemasan mahasiswa tingkat akhir. Salah satu
algoritma machine learning yang umum digunakan dalam pengklasifikasian diagnosis medis seperti
kecemasan adalah NWKNN. Metode NWKNN merupakan metode perkembangan dari metode
KNN, yang membedakan adalah pada NWKNN terdapat proses pembobotan terhadap setiap jenis
yang akan di klasifikasikan.
Penelitian ini akan dilakukan klasifikasi kecemasan menghadapi dunia kerja berdasarkan
gejala yang muncul menggunakan metode klasifikasi Neighbor Weigted K-Nearest Neighbor
(NWKNN). Ada empat proses utama dalam algoritma NWKNN, proses-proses tersebut yaitu
proses menghitung kedekatan ketetanggaan menggunakan eucliedean distance,
mengurutkan nilai eucliedean distance, pembobotan setiap jenis gejala dan menghitung skor
di setiap jenis sesuai nilai K. Proses pertama yaitu menghitung tetangga terdekat eucliedean
distance untuk mengetahui data mana yang masuk klasifikasi kelas yang dicari. Kedua yaitu
mengurutkan nilai hasil eucliedean distance sesuai dengan terkecil ke terbesar. Ketiga yaitu
proses pembobotan tiap kelas kecemasan, proses ini berfungsi untuk memberikan bobot
pada tiap kelas kecemasan dengan bobot terbesar diberikan pada kelas dengan jumlah paling
sedikit dan bobot kecil diberikan pada kelas paling banyak. Terakhir yaitu proses
perhitungan nilai skor hasil klasifikasi, proses ini berfungsi untuk mengetahui hasil
klasifikasi. Nilai skor terbesar akan menjadi hasil klasifikasi. Peneltian ini menggunakan
metodologi penelitian prototype.
Pada penelitian ini akan dilakukan klasifikasi yang terdiri atas 3 kelas kecemasan meliputi
kecemasan rendah, kecemasan sedang dan kecemasan tinggi. Penelitian ini menggunakan 1009 data
yang didapat melalui kuesioner. Hasil dari penelitian ini menunjukkan bahwa metode NWKNN
dapat melakukan klasifikasi kecemasan menghadapi dunia kerja pada mahasiswa tingkat akhir
dengan baik ketika rasio 90:10. 90% menjadi data latih atau sebanyak 909 data dan 10% menjadi
data uji atau sebanyak 100 data. Dari hasil pengujian didapatkan akurasi terbaik ketika nilai K=20,
dan nilai E=4 dengan hasil akurasinya mencapai 94% dengan rata-rata akurasi sebesar 91%
Kata kunci: Kecemasan, Dunia Kerja, NWKNN, Pembobotan
ABSTRACT
Anxiety in facing the world of work is a feeling of worry that a person experiences
when facing or entering the world of work. One of them is a final year student. The many
obstacles faced by final year students give rise to psychological symptoms and disturbances
such as stress, difficulty sleeping, irritability, frustration, and loss of motivation. Therefore,
a way is needed for early detection and classifying the anxiety of final year students. One of
the machine learning algorithms commonly used in classifying medical diagnoses such as
anxiety is NWKNN. The NWKNN method is a developmental method from the KNN
method, the difference is that in NWKNN there is a weighting process for each type to be
classified.
This study will classify anxiety in facing the world of work based on symptoms that
appear using the Neighbor Weigted K-Nearest Neighbor (NWKNN) classification method.
There are four main processes in the NWKNN algorithm, these processes are the process of
calculating the proximity of neighbors using the euclidean distance, sorting the Euclidean
distance values, weighting each type of symptom and calculating the score in each type
according to the K value. The first process is calculating the nearest neighbor of the
euclidean distance to find out which data is included in the class classification sought. The
second is to sort the resulting Euclidean distance values according to the smallest to the
largest. The third is the weighting process for each class of anxiety, this process serves to
give weight to each class of anxiety with the largest weight being given to the class with the
least number and the smallest weight being given to the class with the most number. Finally,
the process of calculating the score of the classification results, this process functions to find
out the results of the classification. The largest score value will be the result of the
classification. This research uses prototype research methodology.
In this study a classification will be carried out which consists of 3 classes of anxiety
including low anxiety, moderate anxiety and high anxiety. This study used 1009 data
obtained through questionnaires. The results of this study indicate that the NWKNN method
can classify anxiety in facing the world of work in final year students well when the ratio is
90:10. 90% is training data or 909 data and 10% is test data or 100 data. From the test results,
the best accuracy is obtained when the value of K = 20, and the value of E = 4 with an
accuracy of 94% with an average accuracy of 91%.
Keywords: Anxiety, World of Work, NWKNN, Weighting

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Anxiety, World of Work, NWKNN, Weighting
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	23 Aug 2023 02:32
Last Modified:	23 Aug 2023 02:32
URI:	http://eprints.upnyk.ac.id/id/eprint/37071

Actions (login required)

View Item