ANALISIS DAMPAK KONTEN KEKERASAN DI MEDIA SOSIAL TERHADAP CYBERPSIKOLOGI REMAJA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST

Wulandari Febriani (2025) ANALISIS DAMPAK KONTEN KEKERASAN DI MEDIA SOSIAL TERHADAP CYBERPSIKOLOGI REMAJA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST. PROGRAM STUDI SARJANA TEKNOLOGIINFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2025.

[img] Text
WULANDARI FEBRIANI-2 - Wulan Dari febriani.pdf

Download (2MB)

Abstract

Kesehatan mental remaja menjadi isu krusial di era digital, terutama akibat paparan konten kekerasan di media sosial yang berpotensi menimbulkan gangguan psikologis seperti kecemasan, depresi, hingga penurunan prestasi akademik. Penelitian ini bertujuan untuk mengklasifikasikan dan menganalisis dampak konten kekerasan di media sosial terhadap aspek cyberpsikologi remaja dengan memanfaatkan algoritma machine learning, yaitu Support Vector Machine (SVM) dan Random Forest. Metode yang digunakan adalah pendekatan kuantitatif berbasis multi-label classification dengan data yang diperoleh melalui penyebaran kuesioner daring kepada 550 remaja usia 12–18 tahun. Data yang telah melalui tahap pembersihan dan praproses, seperti One-Hot Encoding, MultiLabelBinarizer, Label Encoding, dan normalisasi, kemudian dibagi menjadi data latih (80%) dan data uji (20%). Pemodelan dilakukan menggunakan pendekatan One-vs-Rest untuk masing-masing algoritma. Hasil menunjukkan bahwa model SVM menghasilkan akurasi makro sebesar 17,89% dengan Hamming Loss 23,16%, unggul dalam mengenali label kecemasan (f1-score 0,80) dan penurunan kepercayaan diri (f1- score 0,84), namun kurang akurat pada label dengan distribusi kecil seperti depresi dan penurunan prestasi akademik. Di sisi lain, model Random Forest menunjukkan akurasi makro sebesar 14,73% dengan Hamming Loss 27,01%, serta performa yang relatif seimbang pada label-label tertentu seperti kecemasan (f1-score 0,78) dan penurunan kepercayaan diri (f1-score 0,77). Simpulan dari penelitian ini menunjukkan bahwa kedua algoritma mampu memetakan dampak psikologis akibat konten kekerasan digital, namun performanya sangat dipengaruhi oleh ketidakseimbangan distribusi label. SVM lebih unggul dalam hal akurasi rata-rata, sementara Random Forest menunjukkan kestabilan dalam menangani label dengan distribusi data yang lebih besar. Temuan ini menegaskan pentingnya pemantauan konten kekerasan di media sosial serta perlunya pendekatan teknologi dalam upaya mitigasi dampak psikologis terhadap remaja.

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: Konten kekerasan, cyberpsikologi, remaja, machine learning, SVM, Random Forest, multi-label classification.
Subjects: T Technology > T Technology (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Rahman Perpustakaan UNISM
Tanggal Setoran: 11 Sep 2025 02:02
Last Modified: 11 Sep 2025 02:02
URI: http://repository.unism.ac.id/id/eprint/3819

Actions (login required)

View Item View Item