<![CDATA[Penyalahgunaan narkoba di Kota Manado menunjukkan tren peningkatan yang signifikan dan menjadi tantangan serius bagi upaya pencegahan serta edukasi rehabilitasi. Penelitian ini bertujuan menganalisis efektivitas sistem rekomendasi materi edukasi rehabilitasi berbasis algoritma Random Forest, yang dirancang untuk menyajikan konten pembelajaran terpersonalisasi sesuai karakteristik pengguna. Metode yang digunakan adalah Research and Development (R&D) dengan desain quasi-experimental melalui pretest-posttest control group design. Sampel penelitian terdiri atas 181 responden, terbagi dalam kelompok eksperimen (91 orang) dan kontrol (90 orang). Sistem dikembangkan menggunakan Python, Flask, dan PostgreSQL, dengan Random Forest sebagai algoritma klasifikasi berdasarkan variabel usia, jenis kelamin, minat edukasi, pekerjaan, dan skor pre-test. Hasil pengujian menunjukkan bahwa model Random Forest memiliki kinerja klasifikasi yang sangat tinggi, dengan akurasi, precision, recall, dan F1-score masing-masing mencapai 100%. Namun, uji efektivitas sistem memperlihatkan tidak adanya perbedaan signifikan antara kelompok eksperimen dan kontrol, baik pada nilai post-test (p = 0,3023) maupun gain score (p = 0,7503). Meskipun demikian, secara deskriptif kelompok eksperimen menunjukkan kecenderungan peningkatan skor lebih tinggi dibandingkan kelompok kontrol. Temuan ini mengindikasikan bahwa meskipun sistem rekomendasi bekerja optimal secara teknis, dampak intervensi terhadap peningkatan pemahaman belum signifikan secara statistik. Penelitian ini berkontribusi pada pengembangan sistem edukasi digital berbasis machine learning di bidang rehabilitasi narkoba, serta membuka peluang perbaikan melalui penambahan variabel prediktor, pengayaan level materi, dan perbandingan dengan algoritma lain pada penelitian selanjutnya.]]>
