Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Putri, Ni Luh Putu Adela Sartian
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Kesehatan Mental Pengguna Berdasarkan Konsumsi Konten Pada Media Sosial Menggunakan Metode Random Forest Putri, Ni Luh Putu Adela Sartian; Iswari, Ni Made Satvika; Juliharta, I Gede Putu Krisna
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.5440

Abstract

Penelitian ini bertujuan memprediksi tingkat risiko kesehatan mental pengguna media sosial berdasarkan pola konsumsi konten dan intensitas interaksi di platform digital menggunakan metode Random Forest. Fenomena meningkatnya penggunaan media sosial pada kelompok usia muda membawa dua sisi: manfaat komunikasi dan informasi, namun juga berpotensi memicu kecemasan, stres, gangguan tidur, hingga penurunan produktivitas ketika digunakan berlebihan dan tidak terkontrol. Data penelitian dikumpulkan melalui kuesioner daring (Google Form) pada responden aktif media sosial dengan variabel utama meliputi durasi penggunaan harian, waktu akses (pagi–larut malam), jenis platform yang sering digunakan (Instagram, TikTok, Twitter/X), serta frekuensi interaksi negatif. Data kemudian melalui tahapan pembersihan, transformasi, dan konversi numerik sebelum diproses pada Orange Data Mining. Model Random Forest mengklasifikasikan responden ke dalam tiga kategori risiko, yaitu Tidak Berisiko, Cenderung Berisiko, dan Risiko Tinggi. Hasil menunjukkan bahwa durasi penggunaan yang panjang (≥3,5 jam), akses pada malam hari (terutama setelah pukul 19.00–21.00), serta frekuensi interaksi negatif yang tinggi merupakan faktor paling kuat dalam meningkatkan risiko gangguan mental. Evaluasi model memperlihatkan kinerja yang baik dan stabil, ditunjukkan oleh nilai AUC yang tinggi pada tiap kelas serta akurasi yang konsisten dalam mendeteksi kondisi pengguna. Temuan ini menegaskan pentingnya pemantauan kebiasaan digital sebagai langkah deteksi dini, sekaligus menjadi dasar edukasi penggunaan media sosial yang lebih sehat untuk menjaga keseimbangan psikologis pengguna.
Co-Authors I Gede Putu Krisna Juliharta Ni Made Satvika Iswari