Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Transformatika

ANALISA PERFORMA METODE LIGHTGBM UNTUK PREDIKSI KECANDUAN MEDIA SOSIAL Jannah, Roudhotul; Roudhotul Jannah; Rastri Prathivi
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13165

Abstract

Media sosial kini telah menjadi bagian yang tidak terpisahkan dari aktivitas sehari-hari, didorong oleh perkembangan teknologi digital yang semakin cepat. Penggunaan media sosial yang berlebihan dapat memicu dampak negatif seperti gangguan psikologis, kurang tidur, dan konflik sosial. Penelitian ini menilai efektivitas Light Gradient Boosting Machine (LightGBM) dalam memprediksi kecanduan media sosial menggunakan data 705 responden dari Kaggle. Tahapan analisis mencakup pembersihan data, transformasi variabel kategorikal, dan seleksi fitur berbasis korelasi Pearson. Model dilatih dengan rasio 70:30 dan dievaluasi menggunakan akurasi, presisi, recall, serta f1-score. Hasil menunjukkan akurasi 98%, sehingga LightGBM dinilai sangat efektif sebagai model prediksi kecanduan media sosial.  
ANALISA PERFORMA METODE LIGHTGBM UNTUK PREDIKSI KECANDUAN MEDIA SOSIAL Jannah, Roudhotul; Roudhotul Jannah; Rastri Prathivi
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.13165

Abstract

Media sosial kini telah menjadi bagian yang tidak terpisahkan dari aktivitas sehari-hari, didorong oleh perkembangan teknologi digital yang semakin cepat. Penggunaan media sosial yang berlebihan dapat memicu dampak negatif seperti gangguan psikologis, kurang tidur, dan konflik sosial. Penelitian ini menilai efektivitas Light Gradient Boosting Machine (LightGBM) dalam memprediksi kecanduan media sosial menggunakan data 705 responden dari Kaggle. Tahapan analisis mencakup pembersihan data, transformasi variabel kategorikal, dan seleksi fitur berbasis korelasi Pearson. Model dilatih dengan rasio 70:30 dan dievaluasi menggunakan akurasi, presisi, recall, serta f1-score. Hasil menunjukkan akurasi 98%, sehingga LightGBM dinilai sangat efektif sebagai model prediksi kecanduan media sosial.