Penerapan Algoritma K-Nearest Neighbor (KNN) Untuk Menganalisis Pendapat Siswa Terhadap Edukasi Anti Perundungan

Perundungan di lingkungan pendidikan merupakan permasalahan sosial yang berdampak signifikan terhadap perkembangan psikologis dan akademik peserta didik. Edukasi anti perundungan telah banyak diterapkan di sekolah, namun efektivitasnya sering kali sulit diukur secara objektif. Penelitian ini bertujuan untuk menganalisis pendapat siswa terhadap program edukasi anti perundungan dengan menerapkan algoritma K-Nearest Neighbor (KNN) pada data berbasis teks. Data diperoleh melalui kuesioner terbuka yang diisi oleh siswa, kemudian dilakukan tahap preprocessing meliputi tokenizing, stopword removal, dan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF). Hasil klasifikasi pendapat siswa dibagi menjadi tiga kategori, yaitu positif, negatif, dan netral. Berdasarkan hasil pengujian, algoritma KNN dengan nilai k = 5 menghasilkan akurasi tertinggi sebesar 86,4%, menunjukkan bahwa metode ini mampu mengidentifikasi kecenderungan opini siswa secara efektif. Temuan ini diharapkan dapat menjadi dasar pengambilan keputusan dalam evaluasi serta pengembangan strategi edukasi anti perundungan di lingkungan sekolah.