Analisis Penggunaan Game pada Anak Menggunakan Algoritma K-Nearest Neighbor
Keywords:
data mining, K-Nearest Neighbor, game, anak, ketergantungan digitalAbstract
Perkembangan teknologi digital telah meningkatkan intensitas penggunaan permainan daring (game) di kalangan anak-anak. Meskipun memberikan hiburan dan pelatihan kognitif, penggunaan game berlebihan dapat memengaruhi perilaku sosial, kualitas tidur, dan prestasi akademik. Penelitian ini bertujuan untuk mengklasifikasikan tingkat ketergantungan anak terhadap game berdasarkan sejumlah faktor seperti usia, jenis kelamin, jam bermain game per hari, pengawasan orang tua, gangguan tidur, nilai akademik, skor sosial, perilaku agresif, dan riwayat ketergantungan game. Metode yang digunakan adalah data mining dengan algoritma K-Nearest Neighbor (KNN) untuk mengelompokkan tingkat ketergantungan ke dalam tiga kategori: Ringan, Sedang, dan Berat. Dataset sintetis berisi 25 data anak dengan berbagai karakteristik perilaku bermain dan sosial. Hasil penelitian menunjukkan bahwa model KNN dengan nilai k = 3 mampu mengklasifikasikan tingkat ketergantungan dengan akurasi yang cukup baik dan dapat dijadikan acuan untuk memantau kebiasaan bermain game pada anak-anak serta membantu intervensi dini dalam mencegah dampak negatif ketergantungan game.
References
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. Elsevier.
Nugroho, S. (2021). “Analisis Ketergantungan Game Online pada Remaja Menggunakan Pendekatan Data Mining.” Jurnal Teknologi Informasi dan Pendidikan, 4(1), 33–42.
Nurhasanah, D., & Arifin, Z. (2020). “Penerapan Algoritma K-Nearest Neighbor (KNN) dalam Klasifikasi Data Siswa.” Jurnal Informatika dan Komputer, 8(2), 45–53.
Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann.
