Klasifikasi Kepribadian Introvert dan Ekstrovert Menggunakan Algoritma k-NN Berdasarkan Data Perilaku Sosial
DOI:
https://doi.org/10.35473/jamastika.v4i2.4483Abstract
Identifikasi tipe kepribadian merupakan aspek penting dalam bidang psikologi, pendidikan, dan manajemen sumber daya manusia. Penelitian ini bertujuan untuk mengklasifikasikan kepribadian introvert dan ekstrovert berdasarkan data perilaku sosial non-verbal menggunakan algoritma k-Nearest Neighbors (k-NN). Dataset yang digunakan berasal dari platform Kaggle dengan total 2.900 entri dan 8 atribut perilaku sosial. Proses klasifikasi dilakukan melalui tahapan pra-pemrosesan data, pemodelan, dan evaluasi performa menggunakan perangkat lunak RapidMiner Studio. Pengujian dilakukan dengan variasi nilai k (3, 5, dan 7) menggunakan metrik jarak Euclidean. Hasil menunjukkan bahwa konfigurasi nilai k = 7 menghasilkan akurasi tertinggi sebesar 93,10%, dengan distribusi klasifikasi yang seimbang antara kelas introvert dan ekstrovert. Temuan ini menunjukkan bahwa pendekatan berbasis data perilaku sosial dapat menjadi alternatif yang efektif dan efisien dalam klasifikasi kepribadian, serta berpotensi untuk dikembangkan dalam sistem prediksi kepribadian berbasis teknologi.
Kata Kunci: K-Nearest Neighbors, perilaku sosial, klasifikasi kepribadian, introvert, ekstrovert
Personality identification plays a crucial role in psychology, education, and human resource management. This study aims to classify introvert and extrovert personality types based on non-verbal social behavior data using the k-Nearest Neighbors (k-NN) algorithm. The dataset, obtained from the Kaggle platform, consists of 2,900 entries and 8 social behavior attributes. The classification process involves data preprocessing, model building, and performance evaluation using RapidMiner Studio. The model was tested with various values of k (3, 5, and 7) using the Euclidean distance metric. The results indicate that the configuration with k = 7 yields the highest accuracy of 93.10%, with a balanced classification distribution between introvert and extrovert classes. These findings demonstrate that social behavior-based data can serve as an effective and efficient alternative for personality classification, and offer promising potential for the development of data-driven personality prediction systems.
Keywords: K-Nearest Neighbors, social behavior, personality classification, introvert, extrovert.
References
Anggraini, S., Abidin, M. and Ibrahim, M.M. (2025) ‘Sudut Pandang Introvert dan Ekstrovert Dalam Berinteraksi Sosial’, 09(01), pp. 105–117.
Argina, A.M. (2020) ‘Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes’, Indonesian Journal of Data and Science, 1(2), pp. 29–33. Available at: https://doi.org/10.33096/ijodas.v1i2.11.
Fieri, B., La’la, J. and Suhartono, D. (2023) ‘Introversion-Extraversion Prediction Using Machine Learning’, International Journal on Informatics Visualization, 7(4), pp. 2154–2160. Available at: https://doi.org/10.30630/joiv.7.4.1019.
History, A. (2025) ‘Identifikasi Tipe Kepribadian Seseorang Ditinjau Dari Teori Carl Jung Ni Made Sulastri’, 6(1), pp. 387–391.
Krisnaningrum, I. and Atmaja, H.T. (2017) ‘Perilaku Sosial Remaja Era Globalisasi di SMK Muhammadiyah Kramat , Kabupaten Tegal Abstrak’, Journal of Educational Social Studies, 6(9), pp. 92–98.
Kurniawan and Stanislaus (2016) ‘PERILAKU PRO-SOSIAL DITINJAU DARI TIPE KEPRIBADIAN INTROVERT DAN EKSTROVERT (Studi pada Mahasiswa Psikologi UNNES)’, Intuisi Jurnal Ilmiah Psikologi, 8(3), pp. 195–199.
Maruli Tua Silaen (2023) ‘Klasifikasi Karakteristik Kepribadian Siswa Berdasarkan the Big Five Personality Dengan Menggunakan Metode K- Nearest Neighbor (Knn)’, Jurnal Informatika dan Rekayasa Elektronik, 6(1), pp. 121–129. Available at: https://doi.org/10.36595/jire.v6i1.860.
Oktafiqurahman, A., Kusrini and Nasiri, A. (2023) ‘Prediksi Kepribadian Berdasarkan Status Sosial Media Facebook Menggunakan Metode Naïve Bayes Dan K-Nearest Neighbor’, Jurnal TIKomSiN, 11(2), pp. 30–34. Available at: https://doi.org/10.30646/tikomsin.v11i2.747.
Putra, M.P.R. and Wardani, K.R.N. (2020) ‘Penerapan Text Mining Dalam Menganalisis Kepribadian Pengguna Media Sosial’, JUTIM (Jurnal Teknik Informatika Musirawas), 5(1), pp. 63–71. Available at: https://doi.org/10.32767/jutim.v5i1.791.
Rahma, A. and Wantini (2024) ‘Tingkah laku manusia dalam lingkungan sosial’, Jurnal Global Ilmiah, 1(10), pp. 732–738.
Rangkuti, M.Y.R., Alfansyuri, M.V. and Gunawan, W. (2021) ‘Penerapan Algoritma K-Nearest Neighbor (Knn) Dalam Memprediksi Dan Menghitung Tingkat Akurasi Data Cuaca Di Indonesia’, Hexagon Jurnal Teknik dan Sains, 2(2), pp. 11–16. Available at: https://doi.org/10.36761/hexagon.v2i2.1082.
Saputra, E.E., Zibar, C. and Parisu, L. (2025) ‘Perilaku Sosial Dalam Konteks Pendidikan Multikultural’, JKPI: Jurnal Konseling dan Psikologi Indonesia, 1(1), pp. 21–31.
Sholeh, M., Andayati, D. and Rachmawati, R.Y. (2022) ‘Data Mining Model Klasifikasi Menggunakan Algoritma K-Nearest Neighbor Dengan Normalisasi Untuk Prediksi Penyakit Diabetes’, TeIKa, 12(02), pp. 77–87. Available at: https://doi.org/10.36342/teika.v12i02.2911.
So, C. (2020) ‘Are You an Introvert or Extrovert? Accurate Classification with only Ten Predictors’, 2020 International Conference on Artificial Intelligence in Information and Communication, ICAIIC 2020, pp. 693–696. Available at: https://doi.org/10.1109/ICAIIC48513.2020.9065069.
Widaningsih, S. (2019) ‘Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm’, Jurnal Tekno Insentif, 13(1), pp. 16–25. Available at: https://doi.org/10.36787/jti.v13i1.78.
