Prediksi Risiko Ketergantungan Smartphone pada Anak Usia Dini Menggunakan Algoritma Random Forest

Pertiwi, Kamia (2026) Prediksi Risiko Ketergantungan Smartphone pada Anak Usia Dini Menggunakan Algoritma Random Forest. Diploma thesis, Universitas Islam Indragiri.

Preview	Text 403221010005-Kamia Pertiwi-01-Awal.pdf Download (5MB) | Preview
Preview	Text 403221010005-Kamia Pertiwi-02-Bab 1.pdf Download (1MB) | Preview
Preview	Text 403221010005-Kamia Pertiwi-03-Bab 2.pdf Download (3MB) | Preview
Preview	Text 403221010005-Kamia Pertiwi-04-Bab 3.pdf Download (1MB) | Preview
	Text 403221010005-Kamia Pertiwi-05-Bab 4.pdf Restricted to Repository staff only Download (3MB)
Preview	Text 403221010005-Kamia Pertiwi-06-Bab 5.pdf Download (435kB) | Preview
Preview	Text 403221010005-Kamia Pertiwi-07-Akhir.pdf Download (668kB) | Preview
Preview	Text SKRIPSI_Kamia_Pertiwi_Sistem_Informasi 40% (1).pdf Download (11MB) | Preview

Abstract

Penggunaan smartphone pada anak usia dini yang semakin meningkat berpotensi menimbulkan risiko ketergantungan sehingga diperlukan metode untuk memprediksi tingkat risikonya. Penelitian ini bertujuan untuk memprediksi risiko ketergantungan smartphone pada anak usia dini menggunakan algoritma Random Forest. Penelitian menggunakan metode kuantitatif dengan data primer yang diperoleh melalui kuesioner kepada orang tua yang memiliki anak usia 1–6 tahun. Data yang digunakan berjumlah 347 responden dengan enam variabel independen, yaitu umur, durasi penggunaan smartphone, tujuan penggunaan smartphone, pola pengawasan orang tua, frekuensi penggunaan smartphone, dan usia pertama kali mengenal smartphone. Tahapan penelitian meliputi preprocessing data, pembagian data, pembangunan model Random Forest, serta perbandingan dengan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Evaluasi model dilakukan menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa Random Forest memberikan performa terbaik dengan accuracy 87%, precision 61%, recall 55%, dan F1-score 56%, lebih tinggi dibandingkan SVM dan KNN. Selain itu, pola pengawasan orang tua merupakan variabel yang paling berpengaruh terhadap risiko ketergantungan smartphone pada anak usia dini.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Anak Usia Dini, Ketergantungan Smartphone, Machine Learning, Prediksi, Random Forest
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Nilam Sari
Date Deposited:	26 Oct 2026 03:15
Last Modified:	26 Oct 2026 03:15
URI:	http://repository.unisi.ac.id/id/eprint/1585

Actions (login required)

View Item