Publisher

UBUB

Journal Jurnal Teknologi Informasi dan Ilmu KomputerJurnal Teknologi Informasi dan Ilmu Komputer Abstract

Media sosial telah menjadi bagian penting dalam kehidupan masyarakat, namun peningkatan penggunaannya sering dikaitkan dengan dampak negatif terhadap kesehatan mental seperti stres, adiksi, FoMo, dan insomnia. Upaya prediksi risiko penggunaan media sosial dapat membantu menjaga kesehatan mental dengan memanfaatkan teknik data mining. Penelitian ini menggunakan metodologi CRISP-DM sebagai kerangka utama serta Exploratory Data Analysis (EDA) untuk mengidentifikasi tren dan anomali yang mendukung proses pemodelan. Beberapa algoritma supervised learning seperti C4.5, k‑NN, dan Naïve Bayes diterapkan untuk memprediksi dampak negatif penggunaan media sosial terhadap kesehatan mental. Hasil eksperimen menunjukkan bahwa Naïve Bayes memberikan kinerja terbaik dengan akurasi tertinggi sebesar 92,5%, melampaui C4.5 dan k‑NN. Integrasi EDA dan CRISP‑DM terbukti menghasilkan model prediksi yang akurat, meskipun penerapan EDA memerlukan waktu tambahan dalam analisis. CRISP‑DM berperan penting dalam menyediakan kerangka kerja yang sistematis sehingga membantu peneliti bekerja lebih terstruktur dan mengurangi risiko kesalahan. Selain itu, temuan memperlihatkan bahwa semakin lama seseorang menggunakan media sosial, semakin besar dampak negatif yang dialami, terutama bagi mereka yang menghabiskan waktu lebih dari lima jam per hari. Secara keseluruhan, hasil penelitian ini memberikan kontribusi terhadap pengembangan model prediksi berbasis data mining dan dapat menjadi landasan bagi upaya pencegahan gangguan kesehatan mental akibat penggunaan media sosial.

Conclusion

Berdasarkan hasil penelitian ini, didapatkan beberapa kesimpulan pada saat melakukan prediksi resiko penggunaan media sosial menggunakan eksploratory data analysis (EDA) dan cross industry standard process for data mining (CRISP‑DM).Integrasi EDA dan CRISP‑DM dapat memberikan pendekatan yang tepat dalam menghasilkan model prediksi meskipun proses EDA memerlukan waktu tidak sedikit untuk melakukan analisis data secara detail dan menyeluruh.Keunggulan penerapan EDA adalah memastikan semua aspek penting dalam data diperhatikan tanpa terlewatkan.Hasil penerapan EDA terkait resiko penggunaan media sosial terhadap kesehatan mental menunjukkan semakin lama penggunaan media sosial, semakin besar dampak negatif yang dialami, terutama bagi mereka yang menggunakannya lebih dari 5 jam per hari.Mayoritas individu mengalami dampak negatif dalam tingkat sedang, sementara kasus dengan dampak sangat rendah atau sangat tinggi lebih jarang.Usia 13‑30 tahun lebih rentan terhadap kegelisahan, perbandingan sosial, dan kebutuhan validasi, sedangkan usia 40 lebih sering mengalami depresi dan gangguan tidur.Secara umum dapat disimpulkan bahwa durasi penggunaan media sosial menjadi faktor yang paling dominan dalam resiko tinggi.

Future Research

Penelitian selanjutnya dapat mengeksplorasi model prediksi berbasis deep learning, misalnya RNN atau transformer, guna menangkap dinamika perilaku media sosial secara real‑time serta menilai efektivitasnya dibandingkan algoritma tradisional yang digunakan dalam studi ini. Selain itu, studi longitudinal dapat membantu mengidentifikasi perubahan perilaku dan kesehatan mental pengguna media sosial di atas periode lebih panjang sehingga dapat memvalidasi kestabilan model dan faktor pelengkap seperti dukungan sosial atau intervensi mental health. Terakhir, perlu dilakukan evaluasi integrasi sistem rekomendasi kesehatan mental berbasis web yang memadukan model Naïve Bayes dan EDA ke dalam dashboard interaktif sehingga dapat memberikan saran personalisasi kepada pengguna untuk mengatur waktu dan kualitas interaksi sosial mereka secara proaktif.

References

1. Hubungan Tingkat Neurotisme dengan Fear of Missing Out (FoMO) pada Remaja Pengguna Aktif Media Sosial... journals.ums.ac.id/index.php/indigenous/article/view/8024Hubungan Tingkat Neurotisme dengan Fear of Missing Out FoMO pada Remaja Pengguna Aktif Media Sosial journals ums ac index php indigenous article view 8024
2. CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories | IEEE Journals... ieeexplore.ieee.org/document/8943998CRISP DM Twenty Years Later From Data Mining Processes to Data Science Trajectories IEEE Journals ieeexplore ieee document 8943998

Metadata

File size	1.1 MB
Pages	12
DMCA	Report