Electronic Theses and Dissertation

Masa remaja merupakan fase perubahan pertumbuhan biologis. Remaja dituntut untuk beradaptasi dengan perubahan fisik, emosional, dan sosial yang terjadi pada dirinya. Perubahan-perubahan menyebabkan remaja merasa tidak bahagia kehidupannya. Kebahagiaan yang dirasakan oleh seseorang disebut dengan Subjective Well-Being (SWB). Kategori untuk mengelompokkan SWB terbagi menjadi 2 yaitu, tinggi dan rendah. Tingkat SWB yang sudah diukur dapat dianalisis dengan menggunakan metode klasifikasi. Oleh karena itu, penentuan tingkat SWB harus dilakukan secara tepat sehingga diperoleh hasil klasifikasi SWB yang akurat. Data yang digunakan pada penelitian ini yaitu data sekunder dengan jumlah responden sebanyak 169 yang bersumber dari tesis pada tahun 2023, dimana responden merupakan remaja kelas 1 dan 2 SMA di Dayah Terpadu Babul Maghfirah Aceh Besar. Penelitian ini bertujuan untuk mendapatkan metode terbaik antara metode klasifikasi K-Nearest Neighbor dan Random Forest berdasarkan nilai performa tertinggi dengan 3 partisi data, yaitu 70% data training dan 30% data testing, 80% data training dan 20% data testing, serta 90% data training dan 10% data testing. Hasil penelitian ini menunjukkan metode K-NN memperoleh nilai performa tertinggi pada partisi data 80% data training dan 20% data testing pada nilai K=5, K=11, dan K=13 dengan nilai accuracy sebesar 67,65%, precision sebesar 68,2%, recall sebesar 68,06%, dan f1-score sebesar 67,62%. Sedangkan Random Forest memperoleh nilai performa tertinggi pada partisi data 90% data training dan 10% data testing pada nilai n estimators sebesar 42, max features sebesar 32, max depth sebesar 24, min samples split sebesar 5, dan min samples leaf sebesar 7 dengan nilai accuracy sebesar 70,59%, precision sebesar 70,83%, recall sebesar 70,83%, dan f-1 score sebesar 70,59%. Oleh karena itu, dapat disimpulkan bahwa metode Random Forest memiliki nilai performa tertinggi dan merupakan metode terbaik dalam mengklasifikasikan SWB di Dayah Terpadu Babul Maghfirah Aceh Besar dibandingkan dengan metode K-NN.

Kata kunci : klasifikasi, K-Nearest Neighbor, Random Forest, Subjective Well-Being, performa

Adolescence is a phase of biological growth changes. Adolescents are required to adapt to the physical, emotional, and social changes that occur to them. Changes cause adolescents to feel unhappy with their lives. The happiness felt by a person is called Subjective Well-Being (SWB). The category for classifying SWB is divided into 2, namely, high and low. The level of SWB that has been measured can be analyzed using the classification method. Therefore, determining the level of SWB must be done appropriately so that accurate SWB classification results are obtained. The data used in this study are secondary data with 169 respondents sourced from theses in 2023, where the respondents are adolescents in grades 1 and of high school at Dayah Terpadu Babul Maghfirah Aceh Besar. This research aims to find the best method between K-Nearest Neighbor and Random Forest classification methods based on the highest performance value with 3 data partitions, namely 70% training data and 30% testing data, 80% training data and 20% testing data, and 90% training data and 10% testing data. The results of this study show that the K-NN method obtained the highest performance value in the data partition of 80% training data and 20% testing data at the value of K=5, K=11, and K=13 with an accuracy value of 67.65%, precision of 68.2%, recall of 68.06%, and f1-score of 67.62%. Meanwhile, Random Forest obtained the highest performance value in the data partition of 90% training data and 10% testing data at the value of n estimators of 42, max features of 32, max depth of 24, min samples split of 5, and min samples leaf of 7 with an accuracy value of 70.59%, precision of 70.83%, recall of 70.83%, and f-1 score of 70.59%. Therefore, it can be concluded that the Random Forest method has the highest performance value and is the best method in classifying SWB in Dayah Terpadu Babul Maghfirah Aceh Besar compared to the K-NN method. Keywords: classification, K-Nearest Neighbor, Random Forest, Subjective Well-Being, performance