KLASIFIKASI TINGKAT KECEMASAN ATLET SEBELUM BERTANDING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN)

Kecemasan yang dialami seorang atlet menjelang pertandingan, sering kali mempengaruhi performa bertandingnya sehingga penting untuk pelatih mengetahui tingkat kecemasan atlet sebelum bertanding agar dapat memberikan latihan mental yang sesuai serta membuat keputusan yang akan berpengaruh pada hasil pertandingan. Namun tidak semua pelatih dapat mengetahui tingkat kecemasan atlet oleh karena itu perlu dibangun sebuah sistem berbasis website untuk mengklasifikasikan tingkat kecemasan atlet sebelum bertanding. Algoritma K-Nearest Neighbor (KNN) algoritma machine learning sederhana dan mudah diterapkan yang dapat digunakan untuk menyelesaikan masalah klasifikasi. KNN memiliki konsep dasar menemukan jumlah k dan data training yang paling dekat dengan data testing yang diberikan, selanjutnya memilih kelas dengan jumlah voting data terbesar. Dari pengujian yang dilakukan terhadap dataset menggunakan metode confusion matrix dengan menggunakan perbandingan data testing : data training 80:20 dengan K=5 didapatkan nilai akurasi, presisi dan recall sebesar 100%. Sehingga algoritma K-Nearest Neighbor untuk mengklasifikasikan tingkat kecemasan atlet sebelum bertanding dapat diterapkan.