KLASIFIKASI KECANDUAN DAN MASALAH TIDUR PADA PENGGUNA INSTAGRAM DENGAN PENDEKATAN CYBERPSIKOLOGI MENGGUNAKAN MACHINE LEARNING

Siti Rahmah (2025) KLASIFIKASI KECANDUAN DAN MASALAH TIDUR PADA PENGGUNA INSTAGRAM DENGAN PENDEKATAN CYBERPSIKOLOGI MENGGUNAKAN MACHINE LEARNING. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2025.

[img] Text
SITI RAHMAH_SKRIPSI - siti rahmah.docx

Download (5MB)

Abstract

Penggunaan media sosial seperti Instagram semakin meluas dan berpotensi menimbulkan dampak psikologis seperti kecanduan serta masalah tidur, khususnya pada usia 18–35 tahun. Hal ini sejalan dengan pendekatan analisis yang relevan secara psikologis dan teknologi, seperti cyberpsikologi dan Machine Learning. Tujuan: Penelitian ini bertujuan untuk mengklasifikasikan tingkat kecanduan dan masalah tidur pada pengguna Instagram dengan pendekatan cyberpsikologi menggunakan algoritma Machine Learning khususnya dengan Random Forest. Metode: Data dikumpulkan melalui kuesioner online berbasis Bergen Social Media Addiction Scale (BSMAS) dan Pittsburgh Sleep Quality Index (PSQI). Analisis dilakukan menggunakan algoritma Random Forest, K-Nearest Neighbors (KNN), Logistic Regression, dan Support Vector Machine (SVM). Validasi model dilakukan dengan teknik 10-fold cross-validation menggunakan RapidMiner, tanpa membagi data menjadi data latih dan data uji. Hasil: Random Forest menunjukkan performa terbaik dibandingkan algoritma lain, dengan akurasi, presisi, recall, dan F1-score masing-masing mencapai 100% pada klasifikasi kecanduan dan masalah tidur. Atribut yang paling berpengaruh adalah skor BSMAS untuk kecanduan dan skor PSQI untuk masalah tidur. Kesimpulan: Random Forest terbukti sangat efektif dalam mengklasifikasikan kecanduan dan masalah tidur pada pengguna Instagram dengan faktor kecanduan yang mendominasi adalah skor total BSMAS, indikator seperti kesulitan berhenti menggunakan Instagram, perasaan cemas saat tidak mengakses, dan penggunaan Instagram sebagai pelarian. serta, faktor masalah tidur yang mendominasi adalah skor total PSQI, indikator seperti rasa lelah saat bangun, kantuk di siang hari, dan kesulitan tidur meskipun merasa lelah. Pendekatan ini menguatkan peran Machine Learning dan cyberpsikologi dalam menganalisis

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: Instagram; Kecanduan; Masalah Tidur; Machine Learning; Cyberpsikologi.
Subjects: T Technology > T Technology (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Rahman Perpustakaan UNISM
Tanggal Setoran: 11 Sep 2025 03:00
Last Modified: 11 Sep 2025 03:00
URI: http://repository.unism.ac.id/id/eprint/3843

Actions (login required)

View Item View Item