<![CDATA[Penggunaan smartphone yang semakin meningkat dalam berbagai aktivitas sehari-hari memberikan banyak manfaat, namun juga berpotensi menyebabkan kecanduan yang dapat berdampak pada kesehatan, produktivitas, dan interaksi sosial. Oleh karena itu, diperlukan suatu sistem yang mampu mengidentifikasi tingkat kecanduan smartphone secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi tingkat kecanduan smartphone berbasis web menggunakan algoritma Random Forest dengan menerapkan metode Cross Industry Standard Process for Data Mining (CRISP-DM). Tahapan penelitian meliputi Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan merupakan Mobile Addiction Dataset yang terdiri atas 13.589 data dengan 12 atribut, kemudian dilakukan preprocessing berupa penghapusan atribut yang tidak relevan, encoding, standard scaling, serta pembagian data menjadi data latih dan data uji dengan rasio 80:20. Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan akurasi pengujian sebesar 97,5% dengan nilai Cross Validation sebesar 97,6%, sehingga mampu mengklasifikasikan tingkat kecanduan smartphone dengan tingkat kesalahan yang rendah. Implementasi model ke dalam aplikasi berbasis Flask berhasil mengintegrasikan seluruh tahapan klasifikasi dalam satu sistem yang mudah digunakan. Dengan demikian, tujuan penelitian untuk membangun sistem klasifikasi tingkat kecanduan smartphone berbasis web yang akurat dan terintegrasi telah berhasil dicapai.]]>
Copyrights © 2026
