PENERAPAN ALGORIMA K-NEAREST NEIGBOR (KNN) UNTUK KLASIFIKASI TINGKAT KECANDUAN BERMAIN MOBILE LEGEND BANG BANG BERDASARKAN KELOMPOK USIA

Muhaimi, Chairil and Suliyanti, Widya Nita (2026) PENERAPAN ALGORIMA K-NEAREST NEIGBOR (KNN) UNTUK KLASIFIKASI TINGKAT KECANDUAN BERMAIN MOBILE LEGEND BANG BANG BERDASARKAN KELOMPOK USIA. Diploma thesis, Institut Teknologi PLN.

[thumbnail of Cover.pdf] Text
Cover.pdf

Download (211kB)
[thumbnail of Pengesahan.pdf] Text
Pengesahan.pdf

Download (319kB)
[thumbnail of Abstrak.pdf] Text
Abstrak.pdf

Download (238kB)
[thumbnail of Bab 1.pdf] Text
Bab 1.pdf

Download (266kB)
[thumbnail of Bab 2.pdf] Text
Bab 2.pdf

Download (489kB)
[thumbnail of Bab 3.pdf] Text
Bab 3.pdf
Restricted to Registered users only

Download (554kB)
[thumbnail of Bab 4.pdf] Text
Bab 4.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of Bab 5.pdf] Text
Bab 5.pdf
Restricted to Registered users only

Download (198kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf

Download (245kB)
[thumbnail of 202031078_CHAIRIL MUHAIMI_REVISI_SKRIPSI.pdf] Text
202031078_CHAIRIL MUHAIMI_REVISI_SKRIPSI.pdf
Restricted to Registered users only

Download (5MB)

Abstract

Aktivitas bermain game menjadi salah satu bentuk hiburan yang banyak di lakukan oleh berbagai kelompok sia.penggunaan game secara berlebihan dapat menyebabkan kecanduan
yang di tandai dengan tingginya intensitas bermain,durasi,frekuensi,serta perilaku terkait
aktivitas bermain game penelitian ini bertujuan untuk menerapkan algoritma K-nearest neighbors (KNN) dalam mengklasifikasikan Tingkat kecanduan bermain game mobile legend bang-bang berdasarkan kelompok usia. ata penelitian diperoleh melalui kuesioner yang terdiri dari 21 butir pertanyaan dengan skala Likert 1 sampai 5. Data jawaban responden dikonversi ke dalam bentuk numerik dan diklasifikasikan ke dalam tiga kategori tingkat kecanduan, yaitu rendah, sedang, dan tinggi. Proses klasifikasi dilakukan dengan menggunakan perhitungan Euclidean Distance terhadap titik acuan kategori rendah, sedang, dan tinggi. Hasil evaluasi menunjukkan nilai accuracy sebesar 84,75% dengan tingkat error sebesar 15,25%. Hasil tersebut menunjukkan bahwa algoritma KNN dapat digunakan untuk mengklasifikasikan tingkat kecanduan bermain Mobile Legends: Bang Bang berdasarkan data perilaku bermain dan kelompok usia.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: K-Nearest Neighbors,Mobile legend bang-bang,kecanduan game,klasifikasi
Subjects: Bidang Keilmuan > Algoritma
Bidang Keilmuan > Artificial Intelligent
Bidang Keilmuan > Classification
Bidang Keilmuan > Clustering Analysis
Bidang Keilmuan > Computer Science
Bidang Keilmuan > Convolutional System
Bidang Keilmuan > Data Clustering
Bidang Keilmuan > Data Science
Bidang Keilmuan > Decision Making
Bidang Keilmuan > Deep learning
Bidang Keilmuan > Machine Learning
Bidang Keilmuan > Maintenance
Skripsi
Bidang Keilmuan > Teknik Informatika
Bidang Keilmuan > Information Technology
Divisions: Fakultas Telematika Energi > S1 Teknik Informatika
Depositing User: FAKULTAS TELEMATIKA ENERGI
Date Deposited: 04 Sep 2026 07:43
Last Modified: 17 Sep 2026 01:58
URI: https://repository.itpln.ac.id/id/eprint/7992

Actions (login required)

View Item
View Item