<![CDATA[Perilaku konsumtif pada remaja menjadi fenomena yang semakin marak dan berpotensi menimbulkan dampak negatif jangka panjang, seperti berkurangnya sikap hemat dan produktif. Ciri perilaku ini antara lain kebiasaan boros, pengeluaran berlebihan untuk memenuhi keinginan, serta mengikuti tren gaya hidup yang sedang berkembang. Penelitian ini bertujuan memprediksi perilaku konsumtif remaja berdasarkan faktor gaya hidup, penggunaan media sosial, dan lingkungan sosial menggunakan pendekatan machine learning. Metode yang digunakan adalah supervised learning dengan algoritma Categorical Boosting (CatBoost), yang mampu mengelola data kategorikal secara efisien dan merupakan pengembangan dari Gradient Boosting Decision Tree (GBDT). Model dibangun dengan mempelajari fitur-fitur yang relevan untuk mengklasifikasikan tingkat perilaku konsumtif. Hasil penelitian menunjukkan bahwa gaya hidup, media sosial, dan lingkungan sosial memiliki pengaruh signifikan terhadap perilaku konsumtif remaja, dengan tingkat akurasi prediksi sebesar 91,8% dan nilai AUC sebesar 0,93. Temuan ini diharapkan dapat menjadi dasar pengembangan strategi pencegahan perilaku konsumtif di kalangan remaja.]]>
Copyrights © 2025
