USMUSM

Jurnal TransformatikaJurnal Transformatika

Media sosial diera 5.0 memiliki hubungan yang sangat erat dengan manusia, mulai dari kalangan anak-anak hingga orang dewasa. Kecenderungan kecanduan media sosial adalah fenomena yang sering terjadi seiring dengan meningkatnya penggunaan internet serta canggihnya kemajuan teknologi. Karena banyaknya hal – hal dan topik yang dapat diposting secara bebas di media sosial, maka media sosial menjadi sarana prertengkaran dan pemantik berbagai konflik sosial, bagi antar individu atau antar golongan. Penggunaan media sosial yang berlebihan serta tidak bijak atau disebut kecanduan media social, dapat menimbulkan berbagai dampak negatif bagi penggunanya, seperti masalah dalam hubungan sosial, kecenderungan konsumtif, kebiasaan menunda-nunda, penurunan prestasi akademik, manajemen waktu yang tidak efektif, lemahnya kontrol diri, serta munculnya prasangka negatif. Dengan kemajuan teknologi saat ini, metode Machine Learning dapat digunakan untuk menganalisis dan memprediksi kecanduan media social. Penelitian ini menggunakan dataset publik yang diperoleh dari platform Kaggle dengan judul Students Social Media Addiction Dataset, yang berisi data hasil survei terhadap pelajar dan mahasiswa dari beberapa negara Asia Selatan.

Berdasarkan hasil penelitian, model Light Gradient Boosting Machine (LightGBM) mampu memprediksi tingkat kecanduan media sosial dengan tingkat akurasi sangat tinggi, yaitu 0.Model ini menunjukkan kemampuan yang baik dalam membedakan antara responden yang kecanduan dan yang tidak kecanduan.Hasil ini mengindikasikan bahwa LightGBM merupakan metode yang efektif untuk memprediksi kecanduan media sosial, dan dapat menjadi dasar pengembangan sistem prediksi yang lebih canggih di masa depan.

Penelitian selanjutnya dapat mengeksplorasi penggunaan algoritma pembelajaran mesin lain seperti XGBoost atau CatBoost untuk dibandingkan dengan LightGBM, guna mengidentifikasi metode yang paling optimal dalam memprediksi kecanduan media sosial. Selain itu, perlu dilakukan penelitian dengan dataset yang lebih beragam, termasuk data dari berbagai demografi dan budaya, untuk meningkatkan generalisasi model. Pengembangan sistem web atau mobile yang terintegrasi dengan sistem prediksi ini juga menjadi arah penelitian yang menarik, sehingga hasil prediksi dapat diakses dan dimanfaatkan secara lebih luas oleh masyarakat.

  1. Analisa Performa Metode LightGBM untuk Prediksi Kecanduan Media Sosial | Jurnal Transformatika. analisa... doi.org/10.26623/transformatika.v23i2.13165Analisa Performa Metode LightGBM untuk Prediksi Kecanduan Media Sosial Jurnal Transformatika analisa doi 10 26623 transformatika v23i2 13165
  2. HUBUNGAN ANTARA KONTROL DIRI DENGAN KECENDERUNGAN KECANDUAN MEDIA SOSIAL PADA REMAJA AKHIR | Muna | Jurnal... ejournal3.undip.ac.id/index.php/empati/article/view/7610HUBUNGAN ANTARA KONTROL DIRI DENGAN KECENDERUNGAN KECANDUAN MEDIA SOSIAL PADA REMAJA AKHIR Muna Jurnal ejournal3 undip ac index php empati article view 7610
  3. Implementasi Lightgbm dan LLM Gemini pada Website Psychobot untuk Analisis Emosi Saat Bersosial Media... doi.org/10.30998/jrami.v6i01.13500Implementasi Lightgbm dan LLM Gemini pada Website Psychobot untuk Analisis Emosi Saat Bersosial Media doi 10 30998 jrami v6i01 13500
Read online
File size530.7 KB
Pages10
DMCAReport

Related /

ads-block-test