PREDIKSI TINGKAT STRES SISWA BERBASIS MACHINE LEARNING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN)

Authors

  • Country of Wisnu Cahyo Utomo Wisnu Cahyo Utomo Universitas PGRI Wiranegara
  • Country of Sapto Hadi Riono Sapto Hadi Riono Universitas PGRI Wiranegara
  • Country of Wahyu Triono Wahyu Triono Universitas PGRI Wiranegara
  • Country of Muhammad Syahrul Mukharrom Muhammad Syahrul Mukharrom Universitas PGRI Wiranegara

Keywords:

Stres Siswa, Machine Learning, K-Nearest Neighbors, Prediksi Stres, Klasifikasi

Abstract

Stres siswa telah menjadi masalah yang semakin penting dalam lingkungan pendidikan, karena dapat berdampak negatif pada prestasi akademik, kesejahteraan emosional, dan kesehatan mental secara keseluruhan. Deteksi dini tingkat stres siswa sangat penting untuk memungkinkan intervensi dan dukungan yang tepat waktu. Studi ini bertujuan untuk mengembangkan model prediksi tingkat stres siswa berdasarkan machine learning menggunakan algoritma K-Nearest Neighbors (KNN). Penelitian ini menggunakan dataset yang terdiri dari beberapa atribut psikologis dan akademik yang mewakili kondisi stres siswa. Prasunting data dilakukan melalui pembersihan dan normalisasi data untuk meningkatkan kinerja model. Algoritma KNN diterapkan dengan menghitung jarak antara titik data untuk mengklasifikasikan siswa ke dalam tingkat stres yang berbeda. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa algoritma KNN mampu memprediksi tingkat stres siswa dengan akurasi yang memuaskan, menunjukkan efektivitasnya dalam tugas klasifikasi stres. Temuan penelitian ini menunjukkan bahwa machine learning, khususnya metode KNN, dapat berfungsi sebagai alat pendukung bagi pendidik dan lembaga dalam memantau tingkat stres siswa dan menerapkan langkah-langkah pencegahan dini.

References

Hasan, M. A., Nasser, M., Ahmad, S., & Molla, K. I. (2012). Feature Selection for Classification of Diabetes Mellitus Using Machine Learning Techniques. International Journal of Computer Applications, 1–5.

KH aur, G., & Chhabra, A. (2014). Improved J48 Classification Algorithm for the Prediction of Diabetes. International Journal of Computer Applications, 13–17.

Singh, D., & Varshney, A. K. (2025). StressAlert: Early Detection of Student Stress. International Journal of Computer Techniques, 2-5.

Sneha, N., & Mahalakshmi, V. (2018). Stress Detection and Analysis Using Machine Learning Techniques. International Journal of Engineering Research & Technology (IJERT), 4-7.

Wafiqi, A. U., Tundo, B. A., & Ramadhan, A. H. (2025). Prediksi Tingkat Stres Pada Mahasiswa UNUGHA Cilacap Menggunakan K-Nearest Neighbor. Jurnal Tekno Kompak, 90–100.

Yeler, K., & Sürücü, S. (2025). Classification of Student Stress Levels Using Machine Learning Methods. International Journal of Advanced Natural Sciences and Engineering Researches, 210–214.

S. Anisa, A. Komarudin, and E. Ramadhan, “SISTEM KLASIFIKASI UNTUK MENENTUKAN TINGKAT STRESS MAHASISWA SECARA UMUM MENGGUNAKAN METODE K-NEAREST NEIGHBORS”, JINTEKS, vol. 6, no. 3, pp. 568–578, Aug. 2024.

R. Arifudin, S. Subhan, and Y. N. Ifriza, “Student Adaptability Level Optimization using GridsearchCV with Gaussian Naive Bayes and K-Nearest Neighbor Methods as an Effort to Improve Online Education Predictions”, j. nas. pendidik. teknik. inform., vol. 14, no. 2, pp. 287–295, Jul. 2025.

N. A. Widya Pertiwi and I. S. Wibisono, “Comparison of K-Nearest Neighbor, Naïve Bayes, and C4.5 Algorithms for Predicting Academic Stress Risk in Students Based on Psychological Survey Data”, JAIC, vol. 10, no. 1, pp. 698–706, Feb. 2026.

A. R. Sinadia, “Sumikolah: Jurnal Ilmu Pendidikan Aplikasi dan Praktik Konstruksi Skala Psikologi sebagai Instrumen Pengukuran dalam Penelitian Pendidikan,” vol. 2, no. 1, 2024.

Condroningtyas, S. A., & Marsofiyati, M. (2024). Pengaruh Tekanan Atau Stres Akademik Terhadap Prestasi

Belajar Mahasiswa. Cendikia: Jurnal Pendidikan Dan Pengajaran, 2(6), 205–212. Retrieved from

https://jurnal.kolibi.org/index.php/cendikia/article/view/1697

F. A. Fitrony and S. M. Zulkif, “Forest Fire Detection Using the FireNet-Convolutional Neural Network Model with Image Augmentation”, pectc, vol. 2, no. 1, pp. 105–115, Oct. 2025.

D. Kurniadi, E. Abdurachman, H. L. H. S. Warnars, and W. Suparta, "The prediction of scholarship recipients in higher education using K-Nearest neighbor algorithm," IOP Conf. Ser. Mater. Sci. Eng., vol. 434, no. 1, p. 012039, 2018, DOI: 10.1088/1757-899X/434/1/012039.

D. Yonitasari and R. Setiyani, Pengaruh Cara Belajar, Lingkungan Keluarga, dan Fasilitas Belajar Terhadap Prestasi Belajar Ekonomi Akuntansi Siswa Kelas XI IPS SMA Negeri 4 Magelang Tahun Ajaran 2013/2014,†Econ. Educ. Anal. J., vol. 3, no. 2, pp. 241–248, 2014.

M. Mustakim and G. Oktaviani, Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa,†J. Sains dan Teknol. Ind., vol. 13, no. 2, pp. 195–202, 2016.

H. Susanto and S. Sudiyatno, Data mining untuk memprediksi prestasi siswa berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu,†J. Pendidik. Vokasi, vol. 4, no. 2, pp. 222–231, 2014, doi: 10.21831/jpv.v4i2.2547.

Downloads

Published

2026-01-11

How to Cite

Cahyo Utomo, W., Hadi Riono, S., Triono, W., & Syahrul Mukharrom, M. (2026). PREDIKSI TINGKAT STRES SISWA BERBASIS MACHINE LEARNING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN). NEXUS : Journal of Information & Computational Science, 1(1), 31–39. Retrieved from https://ejournal.unupasuruan.ac.id/index.php/NEXUS/article/view/1177

Issue

Vol. 1 No. 1 (2026): January 2026

Section

Home

License

Copyright (c) 2026 Wisnu Cahyo Utomo, Sapto Hadi Riono, Wahyu Triono, Muhammad Syahrul Mukharrom

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.