KLASIFIKASI TINGKAT KECANDUAN PENGGUNA SMARTPHONE MENGGUNAKAN MACHINE LEARNING DENGAN OPTIMASI FEATURE WEIGHTING

SEBASTIAN, VALENTINO (2025) KLASIFIKASI TINGKAT KECANDUAN PENGGUNA SMARTPHONE MENGGUNAKAN MACHINE LEARNING DENGAN OPTIMASI FEATURE WEIGHTING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (228kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (660kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (690kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (136kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (141kB)
	Archive (SOURCE CODE) Source Code - 21.11.3996.zip - Published Version Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (690kB)

Abstract

Penggunaan smartphone yang semakin meningkat telah menimbulkan kekhawatiran akan dampak negatif yang ditimbulkan, terutama terkait kecanduan pengguna. Identifikasi tingkat kecanduan smartphone menjadi penting untuk mencegah masalah kesehatan mental dan produktivitas. Dalam penelitian ini, dikembangkan sebuah model machine learning untuk mengklasifikasikan tingkat kecanduan pengguna smartphone. Data yang digunakan berasal dari survei yang mengukur pola penggunaan smartphone, perilaku, dan faktor psikologis terkait. Untuk meningkatkan performa model, dilakukan optimasi feature weighting yang bertujuan menyesuaikan bobot fitur-fitur yang relevan terhadap prediksi kecanduan. Beberapa algoritma machine learning seperti Support Vector Machine, K-Nearest Neighbor dan Random Forest digunakan dalam eksperimen untuk menentukan model terbaik. Hasil penelitian menunjukkan bahwa optimasi feature weighting mampu meningkatkan akurasi prediksi secara signifikan. Model yang dihasilkan mampu mengklasifikasikan tingkat kecanduan pengguna smartphone dengan akurasi yang tinggi, sehingga dapat menjadi alat yang efektif untuk mendeteksi potensi kecanduan. Temuan ini diharapkan dapat memberikan kontribusi dalam penanganan masalah kecanduan smartphone melalui pendekatan teknologi yang berbasis data.

Item Type:

Thesis (S1 - Sarjana)

Contributor:

Pembimbing
Yaqin, Ainul

Uncontrolled Keywords:

Kecanduan Smartphone, Machine Learning, Klasifikasi, Feature Weighting, Optimasi. Smartphone Addiction, Machine Learning, Classification, Feature Weighting, Optimization.

Subjects:

000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum

Divisions:

Fakultas Ilmu Komputer > Informatika

Depositing User:

RC Universitas AMIKOM Yogyakarta

Date Deposited:

02 Mar 2026 02:30

Last Modified:

02 Mar 2026 02:30

URI:

http://eprints.amikom.ac.id/id/eprint/31702