Klasifikasi Kepribadian Introvert dan Ekstrovert Menggunakan Algoritma k-NN Berdasarkan Data Perilaku Sosial

Holida Izzatilla
Zaehol Fatah

"JAMASTIKA" Jurnal Mahasiswa Teknik Informatika
Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025

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.