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.  
Co-Authors Abdul Ghofur Abdullah Syamil Imanuddin Abdunnur Agustian, Riu Anis Koirunnisak Arifatul Ainul Izza Ariga Bahrodin Ati, Intan Cahyaning Azizah Husin Bahroin Budiya Bayu Wijayantini, Bayu Binti Yunariyah, Binti Cecep Hilman Chintya Dewi, Windy CHOIRUN NISA Desi Yunita Putri Destian, Ossy Chandra Dewantika, Era Efendi, Yuli Kartika Elfizawati, Elfizawati Endar Bahtiar Fajar, Abdul Firmansyah, Dodi Gavriyanto, Vito Hanifa Marisa Harjianto Henny Helmi Huda, Muhammad Komarul Husain, Azizah Ilmi Mufidah Immas Anggung Mestuti Kaprawiran Indi Aulia Ali Ita Wulandari Ittaqi Haitsumakunti Iva inayatul Ilahiyah Khaeroni, Khaeroni Khoirina Lathifa, Ni’ma Kiftiatul Amalia Kodari, Muhamad Lia Uzliawati Lintang Cyta Damayanti M. Syahrir Ramang Maskhurin Fajarina, Maskhurin Masruroh, Siti Ani Maturohmah, Fajariyah Anik Mayansari A, Diana Haris Moh Abdulloh Hilmi Nindy Dwi Iwijayanti Nora Rahmanindar, Nora Noviana, Umi Hanik NOVITASARI Nurdiyanah, Ilvi Nursanti, Erma Pratiwi, Yugi Carol Putri Leoni Utami Radja Aura Ramadhan, Tengku Rahmatullah, Muhammad Yasin Ramadhani, Arie Rastri Prathivi Ratna Dwi Astuti Rizki Fitra Rahman Rizki Ghifari Pratama SALIM, IRFAN Seventina Nurul Hidayah, Seventina Nurul Siti Durotun Naseha Siti Nur Aisyah Sobri Sulhani Hermawan Sumarsono Sumarsono Supriyono Supriyono Syafrina Lamin, Syafrina Tatu Hilaliyah Triana N., Wahyuningsih Trias Mahmudiono Ulya, Vita Fitriatul Umi Yasiroh Utaminingsih, Weny Tri Valdheerian Barnix, Mikael Wahyuni, Artika Sri Wahyuning Asih, Susi Wicaksono, Heriberthus Yogi Mustajab, Achmad Zulkipli Lessy