Klasifikasi Tingkat Kecanduan Gadget Pada Balita Menggunakan Algoritma NaÃ¯ve Bayes

Alwi Aryusya Thamrin; Raissa Amanda Putri

doi:10.24114/cess.v9i2.60449

Authors

Alwi Aryusya Thamrin Universitas Islam Negeri Sumatra Utara
Raissa Amanda Putri Universitas Islam Negeri Sumatra Utara

DOI:

https://doi.org/10.24114/cess.v9i2.60449

Keywords:

Naive Bayes, kecanduan, gadget, balita, klasifikasi

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 naÃ¯ve 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 naÃ¯ve 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 naÃ¯ve 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 naÃ¯ve bayes telah didapat hasil klasifikasi dengan tingkat akurasi sebesar 81,67%. Penelitian ini memperlihatkan bahwa Algoritma naÃ¯ve bayes dapat digunakan secara efektif untuk mengklasifikasikan tingkat Kecanduan gadget pada balita.

References

N. Annisa, N. Padilah, R. Rulita, and R. Yuniar, œDampak Gadget Terhadap Perkembangan Anak Usia Dini, J. Pendidik. Indones., vol. 3, no. 9, pp. 837“849, 2022, doi: 10.36418/japendi.v3i9.1159.

N. W. Suyanti and I. P. Suarnaya, œPengaruh Pemberian Gadget Pada Perkembangan Anak Usia Dini, vol. 4, no. 4, pp. 736“746, 2021.

J. N. Octaviani, S. Utaminingsih, and S. Masfu™ah, œPembentukan Sikap Peduli Sosial Anak pada Masa Pandemi Covid 19 di Desa Pringtulis Jepara, J. Inov. Penelit., vol. 2, no. 10, pp. 3453“3462, 2022.

Y. M. dkk hasnidar, hildayanti W, Ilmu Kesehatan Masyarakat. 2020.

I. S. Siregar, œDampak Penggunaaan Gadget Pada Anak Usia Dini Studi Kasus Pada Anak Usia Dini Desa Siolip, J. Pendidik. Islam Anak usia Dini, vol. 2, no. 1, pp. 140“153, 2022.

V. Yumarni, œPengaruh Gadget Terhadap Anak Usia Dini, J. Literasiologi, vol. 8, no. 2, pp. 107“119, 2022, doi: 10.47783/literasiologi.v8i2.369.

Ratih Agustin Wulandari, Erlina Purwaningsih, D. Darussalam, O. Oktaviani, and W. Wandira, œPeran Orang Tua dalam Pendampingan Anak Usia Dini Bermain Gadget, SOSMANIORA J. Ilmu Sos. dan Hum., vol. 2, no. 2, pp. 263“268, 2023, doi: 10.55123/sosmaniora.v2i2.2203.

R. Kurniati, œEfektivitas Pendekatan Cognitive Behavior Therapy Dengan Teknik Self-Management Untuk Mengurangi Penggunaan Smartphone Secara Berlebihan Pada Peserta Didik Kelas Viii Smp Negeri 4 Bandar Lampung Skripsi, J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689“1699, 2019.

S. M. A. Negeri, C. Pada, and M. Perubahan, œAnalisis Pertumbuhan Dan Perkembangan Anak Usia 4-6 Tahun Terhadap Penerapan Screen Time Di Desa Billa™an Kecamatan Proppo Kabupaten Pamekasan, J. Inov. Pendidik., vol. 1, pp. 129“142, 2023.

D. Ananda and R. R. Suryono, œJURNAL MEDIA INFORMATIKA BUDIDARMA Analisis Sentimen Publik Terhadap Pengungsi Rohingya di Indonesia dengan Metode Support Vector Machine dan NaÃ¯ve Bayes, J. Media Inform. Budidarma, vol. 8, no. 2, pp. 748“757, 2024, doi: 10.30865/mib.v8i2.7517.

E. Erwin et al., Transformasi digital, no. June. 2023.

F. Z. Parinduri, R. Dewi, and Susiani, œKlasifikasi Tingkat Kecanduan Internet Pada Mahasiswa Menggunakan Algoritma NaÃ¯ve Bayes, JOMLAI J. Mach. Learn. Artif. Intell., vol. 1, no. 3, pp. 2828“9099, 2022, doi: 10.55123/jomlai.v1i3.965.

Sutisna and N. M. Yuniar, œKlasifikasi Kualitas Air Bersih Menggunakan Metode NaÃ¯ve baiyes, J. Sains dan Teknol., vol. 5, no. 1, pp. 243“246, 2023, [Online]. Available: https://doi.org/10.55338/saintek.v5i1.1383

D. S. Purnia and A. I. Warnilah, œImplementasi Data Mining Pada Penjualan kacamata Dengan Menggunakan Algoritma Apriori, Indones. J. Comput. Inf. Technol., vol. 2, no. 2, pp. 31“39, 2017.

M. Rinestu, I. P. Made Indra, B. Marsanto, and S. Trisakti, œClassification Of Investment Decisions During Covid-19 Pandemic Using Naive Bayes Klasifikasi Keputusan Investasi Di Masa Pandemi Covid-19 Dengan Menggunakan Naive Bayes, Manag. Stud. Entrep. J., vol. 3, no. 4, pp. 1784“1796, 2022, [Online]. Available: http://journal.yrpipku.com/index.php/msej

F. A. Hizham, Y. Nurdiansyah, and D. M. Firmansyah, œImplementasi Metode Backpropagation Neural Network (BNN) dalam Sistem Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa (Studi Kasus: Program Studi Sistem Informasi Universitas Jember), Berk. Sainstek, vol. 6, no. 2, p. 97, 2018, doi: 10.19184/bst.v6i2.9254.

B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, œAnalisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner, JBASE - J. Bus. Audit Inf. Syst., vol. 4, no. 1, pp. 13“21, 2021, doi: 10.30813/jbase.v4i1.2729.