<![CDATA[Penggunaan smartphone pada anak usia dini semakin meningkat dan dapat menimbulkan risiko ketergantungan apabila tidak disertai pengawasan orang tua yang memadai. Penelitian ini bertujuan membangun model prediksi risiko ketergantungan smartphone pada anak usia dini menggunakan algoritma Random Forest serta membandingkan kinerjanya dengan Support Vector Machine dan K-Nearest Neighbor. Penelitian menerapkan pendekatan kuantitatif menggunakan data primer dari kuesioner yang diisi oleh 347 orang tua. Variabel penelitian meliputi umur anak, durasi dan frekuensi penggunaan smartphone, usia pertama mengenal smartphone, tujuan penggunaan, serta pola pengawasan orang tua. Tahapan penelitian mencakup pengumpulan data, pembersihan dan transformasi data, pelabelan tingkat risiko, pembagian data latih dan data uji dengan rasio 80:20, penanganan ketidakseimbangan kelas, pelatihan model, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Random Forest memperoleh akurasi 87,14%, lebih tinggi dibandingkan K-Nearest Neighbor sebesar 69% dan Support Vector Machine sebesar 47%. Analisis feature importance menunjukkan bahwa pengawasan orang tua merupakan faktor paling dominan, diikuti umur anak dan tujuan penggunaan smartphone. Temuan ini menunjukkan bahwa Random Forest mampu menghasilkan prediksi yang lebih baik pada data penelitian, meskipun kemampuan model dalam mengenali kelas risiko rendah masih perlu ditingkatkan. Model yang dihasilkan berpotensi digunakan sebagai pendukung deteksi dini bagi orang tua dan pihak terkait untuk merancang pengawasan, pendampingan, serta langkah pencegahan ketergantungan smartphone secara lebih tepat pada anak usia dini.]]>
Copyrights © 2026
