Klasifikasi Kecanduan Smartphone pada Pelajar Sekolah Menengah Atas menggunakan Metode Machine Learning Berbasis Feature Weighting

Abstract

Kecanduan terhadap smartphone dapat berakibat buruk bagi pelajar. Penelitian ini bertujuan memprediksi kecanduan smartphone di kalangan siswa-siswi SMA dengan menggunakan metode terbaik dari klasifikasi. Klasifikasi dilakukan untuk dapat mendukung pengambilan keputusan terkait masalah kecanduan smartphone. Algoritma C4.5, Naive Bayes (NB), dan K-Nearest Neighbor (KNN) merupakan metode klasifikasi machine learning yang digunakan pada penelitian ini. Metode ini merupakan metode klasifikasi machine learning yang termasuk dalam kategori top 10 dalam menyelesaikan kasus prediksi. Untuk dapat meningkatkan kinerja metode-metode machine learning tersebut, maka dilakukan seleksi atribut sebelum proses klasifikasi menggunakan Forward Selection, Backward Elimination, dan dengan pendekatan korelasi Linear Regression. Hasil penelitian menunjukkan bahwa metode terbaik untuk klasifikasi kecanduan smartphone adalah KNN dengan seleksi atribut menggunakan Linear Regression berdasarkan korelasi weight, yang mana atribut inputan yang berpengaruh secara signifikan terhadap output kecanduan smartphone (Y) adalah umur (X1), durasi penggunaan smartphone (X5), aktifitas (X6), dan kualitas tidur (X7) dengan  model K = 44 dan numerical measure = Chebychev, menghasilkan accuracy = 79.03%, precision = 78.79%, recall = 81.25%, AUC = 0.828, dan running times = 1 detik. Output dari penelitian ini menunjukan prediksi dengan menggunakan metode terbaik yaitu presentase tingkat kecanduan siswa dengan tidak kecanduan serta presentase kecanduan smartphone dengan variabel lainnya.