Search for collections on Repository Universitas Islam Riau

Data Mining untuk Klasifikasi Tingkat Kecanduan Aplikasi Tiktok terhadap Mahasiswa Riau Menggunakan Metode Random Forest

Alfarisi, M. Rizki (2025) Data Mining untuk Klasifikasi Tingkat Kecanduan Aplikasi Tiktok terhadap Mahasiswa Riau Menggunakan Metode Random Forest. Other thesis, Universitas Islam Riau.

[thumbnail of skripsi_203510357_watermark.pdf] Text
skripsi_203510357_watermark.pdf - Submitted Version
Restricted to Registered users only

Download (5MB) | Request a copy

Abstract

Tiktok merupakan suatu media sosial yang saat ini banyak digunakan para mahasiswa, salah satunya yaitu mahasiswa di Provinsi Riau. Tiktok memiliki banyak dampak positif, akan tetapi, Tiktok tidak luput dari dampak negatifnya. Salah satunya yaitu kecanduan atau tingkat penggunaan berlebihan terhadap Tiktok. Hal ini dapat mempengaruhi aktivitas sosial dan juga akademik para mahasiswa. Penelitian ini bertujuan untuk pengolahan data, sehingga dapat mengklasifikasikan tingkat kecanduan Tiktok pada mahasiswa Riau dengan menggunakan metode random forest, salah satu dari beberapa algoritma pada data mining yang diketahui memiliki tingkat akurasi yang cukup tinggi pada proses klasifikasi. Data dikumpulkan dengan menyebarkan kuesioner pada para mahasiswa yang berada di Provinisi Riau melalui platform google form, lalu data akan diolah dan dianalisis dengan menggunakan metode Random Forest, dengan proses yaitu preprocessing data, pemilihan fitur, training model, dan evaluasi performa. Hasil dari penilitian menunjukkan bahwa metode Random Forest dapat memberikan hasil klasifikasi tingkat kecanduan Tiktok dengan tingkat akurasi yang tinggi. Model yang dikembangkan diharapkan untuk dapat menjadi dasar untuk Lembaga Pendidikan dan pihak terkait dalam merancang strategi untuk mengurangi tingkat kecanduan Tiktok pada mahasiswa. Setelah dilakukan pengujian dengan menggunakan metode Black Box Testing, didapatkan kesimpulan bahwa sistem telah berjalan dengan baik secara fungsional, serta hasil klasifikasi dengan n_estimators = 11, menunjukkan bahwa sistem telah mencapai tingkat akurasi sebesar 95.35%, tingkat presicion sebesar 95.30%, dan tingkat recall sebesar 95.35%. hal ini telah menunjukkan bahwa tingkat kecanduan tiktok dapat diprediksi dengan baik menggunakan metode random forest.

Item Type: Thesis (Other)
Contributors:
Contribution
Contributors
NIDN/NIDK
Thesis advisor
Fadhilla, Mutia
UNSPECIFIED
Uncontrolled Keywords: Data Mining, Random Forest, Kecanduan Tiktok, Mahasiswa Riau, Klasifikasi
Subjects: Q Science > QA Mathematics > QA76 Computer software
T Technology > T Technology (General)
Divisions: > Teknik Informatika
Depositing User: Mia Darmiah
Date Deposited: 12 Feb 2026 03:28
Last Modified: 12 Feb 2026 03:28
URI: https://repository.uir.ac.id/id/eprint/32982

Actions (login required)

View Item View Item