Klasifikasi Tingkat Kecanduan Gadget Pada Balita Menggunakan Algoritma Naïve Bayes

Thamrin, Alwi Aryusya (2024) Klasifikasi Tingkat Kecanduan Gadget Pada Balita Menggunakan Algoritma Naïve Bayes. CESS (Journal of Computing Engineering, System and Science).

Text 60449-135061-1-PB.pdf Download (515kB)

Abstract

Kecanduan gadget pada balita merupakan isu yang semakin mengkhawatirkan di era digital ini. Penggunaan gadget yang berlebihan pada usia dini dapat berdampak negatif pada perkembangan kognitif, emosional, dan sosial anak. Dengan adanya penelitian ini yang diharapkan bertujuan untuk dapat mengklasifikasikan kecanduan gadget pada balita menggunakan algoritma naïve bayes. Data yang digunakan dalam penelitian ini adalah data kuesioner yang mencakup berbagai atribut seperti jenis kelamin balita, usia orang tua, pendidikan orang tua, dan sembilan pertanyaan terkait penggunaan gadget pada balita. Dari data kuesioner tersebut telah dibagi menjadi data training dan data testing untuk proses klasifikasi kecanduan. Algoritma naïve bayes digunakan untuk mengklasifikasikan data ke dalam tiga kategori, yaitu: tidak kecanduan, kecanduan ringan, dan kecanduan berat. Naive bayes adalah metode klasifikasi berdasarkan Teorema Bayes dengan asumsi kemandirian yang kuat (naive) antara fitur-fitur. Hasil penelitian menunjukkan bahwa algoritma naïve bayes mampu mengklasifikasikan tingkat kecanduan gadget pada balita dengan tingkat akurasi yang memadai. Berdasarkan pengujian model menggunakan perangkat lunak Altair AI Studio dengan menambahkan operator naïve bayes telah didapat hasil klasifikasi dengan tingkat akurasi sebesar 81,67%. Penelitian ini memperlihatkan bahwa Algoritma naïve bayes dapat digunakan secara efektif untuk mengklasifikasikan tingkat Kecanduan gadget pada balita.

Jenis Item:	Artikel
Subjects:	000 Generalities > 005 Computer programming, programs, data
Divisions:	Fakultas Sains dan Teknologi > Ilmu Komputer
Pengguna yang mendeposit:	Mrs Siti Masitah
Date Deposited:	24 Jan 2025 02:54
Last Modified:	24 Jan 2025 02:54
URI:	http://repository.uinsu.ac.id/id/eprint/23955

Actions (login required)

View Item