Identifikasi Tingkat Keaktifan Media Sosial Terhadap Pola Belajar Mahasiswa Dengan K-Nearest Neighbor Dan Naïve Bayes

Abstract

Pertumbuhan media sosial yang pesat di era digital telah berdampak pada pembelajaran siswa dan banyak aspek lain dalam kehidupan mereka. Penelitian ini menggunakan algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes untuk menentukan hubungan antara penggunaan media sosial oleh siswa dan strategi pembelajaran mereka. Penelitian ini dilakukan dengan menggunakan desain deskriptif-analitis dan metodologi kuantitatif. Survei daring yang dibagikan kepada siswa yang terdaftar di berbagai program studi digunakan untuk mengumpulkan data. Pola pembelajaran siswa dan jumlah waktu, frekuensi, dan lamanya mereka menggunakan media sosial termasuk di antara variabel yang diteliti. Setelah data diproses, algoritma KNN dan Naïve Bayes digunakan untuk mengklasifikasikan cara belajar berdasarkan tingkat keaktifan di media sosial. Evaluasi menunjukkan bahwa algoritma KNN menunjukkan hasil yang lebih unggul daripada Naïve Bayes, dengan akurasi mencapai 60%. KNN juga berhasil menemukan pola di semua kategori data, termasuk kategori minoritas yang tidak terdeteksi oleh Naïve Bayes. Penelitian ini memberikan kontribusi untuk pengembangan strategi pembelajaran yang lebih adaptif di dunia pendidikan tinggi dan sebagai panduan untuk mengelola penggunaan media sosial dengan bijaksana oleh mahasiswa.